待验证50% 置信事实精确时间
Tanh函数输出范围为-1到1，且同样存在梯度消失问题。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证Sigmoid将输出压缩到0~1之间，Tanh是早期常用激活函数，但随网络层数加深会导致梯度消失问题77% 相似已验证梯度消失问题源于Sigmoid或Tanh等饱和激活函数在输入值较大或较小时导数趋近于零，导致梯度逐层衰减76% 相似待验证sigmoid激活函数的导数最大值仅为0.25，多层连乘后导致梯度迅速消失65% 相似待验证相比 Sigmoid 或 Tanh 激活函数，ReLU 的梯度在正半轴恒为 1，有效缓解了深层网络训练中的梯度消失问题，同时计算代价极低62% 相似待验证分离结果推广到带权重的固定计数目标，只要权重比有界、配额比例远离0和1，即使没有排列对称性分离依然成立57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013754API
curl https://kongchang.com/api/v1/knowledge/claims/1013754MCP
get_claim(id=1013754)