待验证50% 置信事实精确时间
Geifman 与 El-Yaniv 于2017年在NeurIPS发表了《深度神经网络的选择性分类》（Selective Classification for Deep Neural Networks）
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证2014 年 Yosinski 等人在论文《How transferable are features in deep neural networks?》中证明网络浅层学习的特征具有极高通用性，而深层特征逐渐变得任务特定66% 相似待验证Zhang等人2017年的实验证明标准深度神经网络可以完美记忆随机标签的训练数据，意味着传统基于模型容量的泛化界完全失效65% 相似已验证DQN由DeepMind于2013年提出，首次将深度神经网络与Q-learning结合65% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1004518API
curl https://kongchang.com/api/v1/knowledge/claims/1004518MCP
get_claim(id=1004518)