待验证50% 置信事实精确时间
时空深度学习模型同时建模空间外观信息与时间动态信息，典型代表包括基于3D卷积网络（C3D、I3D）、双流网络以及时空Transformer等。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证精排层普遍使用深度学习模型如Wide&Deep、DeepFM或Transformer架构进行CTR预估和互动概率计算72% 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69% 相似待验证在深度学习中，心智模型指开发者对数据在网络中流动方式的内化认知，包括每层张量形状变化、梯度如何反向传播、残差连接汇合位置等69% 相似待验证在真实世界数据集上的实验表明，将深度序列模型融入保形预测框架能提升时间序列预测区间质量，兼顾覆盖率与区间宽度平衡68% 相似待验证算子学习（如DeepONet、Fourier Neural Operator）直接在函数空间上建模67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065808API
curl https://kongchang.com/api/v1/knowledge/claims/1065808MCP
get_claim(id=1065808)