待验证50% 置信事实精确时间
近期一篇题为《Neural Expansion: A Unified Mechanism for How Deep Neural Networks Generalize》的研究提出了“神经扩展”这一统一几何框架，从输入空间的方向性覆盖角度解释泛化现象。
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
待验证论文《Mesoscopic learning dynamics of extensive-width neural networks》研究两层神经网络学习由相同架构网络表示的目标函数，其中网络宽度和输入维度成比例增长。75% 相似待验证深度神经网络由输入层、若干隐藏层、输出层构成，每个神经元对前一层输入做加权求和加偏置后通过激活函数做非线性变换73% 相似待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上71% 相似待验证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71% 相似待验证大模型本质上是一个由深度神经网络实现的极其复杂的函数68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065863API
curl https://kongchang.com/api/v1/knowledge/claims/1065863MCP
get_claim(id=1065863)