待验证50% 置信事实精确时间
由于 α-稳定分布方差无穷，直接用于神经网络训练会导致梯度爆炸，因此实际应用中常采用截断版本。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
StochLOB：重尾得分匹配提升订单簿趋势预测稳健性
rss2026/10/15
涉及实体
相关事实
待验证深度神经网络天然倾向于过拟合训练分布，对分布外样本的处理能力往往大幅下降77% 相似待验证一段数据参与神经网络训练后，其影响以分布式方式弥散在数十亿参数中，难以被真正删除74% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃72% 相似已验证梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新72% 相似待验证神经网络中的归一化层（BatchNorm、LayerNorm）在训练过程中持续进行数据净化，通过批量统计量对噪声进行平滑估计，异常样本对整体均值方差的扰动会被大量正常样本稀释。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046097API
curl https://kongchang.com/api/v1/knowledge/claims/1046097MCP
get_claim(id=1046097)