待验证50% 置信事实精确时间
CKA衡量两个表征空间整体相似度，先对特征做中心化处理，再比较样本间相似度矩阵的对应关系，对全局线性变换不敏感。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证典型相关分析（CCA）的核心思路是为两个或多个不同视角的数据寻找线性投影，使投影后的表示在同一空间中具有最大相关性73% 相似待验证表征相似性分析通过比较不同输入在表征空间中的几何关系，推断网络是否形成了结构化的概念映射70% 相似待验证余弦相似度衡量的是两个向量在高维球面上的角度差异，依赖全局方向信息，忽略嵌入向量各维度之间的局部关系结构70% 相似待验证Feature matching computes similarity between extracted vectors and registered features typically using Euclidean distance or cosine similarity68% 相似待验证余弦相似度是人脸识别领域衡量两个特征向量是否属于同一人的默认标准68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1033012API
curl https://kongchang.com/api/v1/knowledge/claims/1033012MCP
get_claim(id=1033012)