待验证50% 置信事实精确时间
随机初始化权重打破了神经元之间的对称性,使每个神经元从不同的起点出发,从而探索不同的特征组合。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证针对每个生成器,稳定被选中的关键神经元不足总数的1%,且在不同交叉验证折和随机种子下高度一致77% 相似待验证叠加现象指神经网络倾向于用远少于特征数量的神经元同时编码大量语义特征,与传统一个神经元一个特征的直觉相悖76% 相似待验证全零初始化会导致对称性问题,同一层的所有神经元计算相同梯度并做相同更新,无法打破对称性73% 相似待验证将Inception V1某层从480个神经元削减到10个重训,网络没有出现叠加,而是神经元功能变粗泛化。72% 相似待验证深度学习中的随机种子控制权重初始化、数据加载批次打乱顺序、Dropout神经元随机失活以及优化器中的随机梯度估计等多个随机性来源70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1087983API
curl https://kongchang.com/api/v1/knowledge/claims/1087983MCP
get_claim(id=1087983)