待验证50% 置信事实精确时间
神经正切核（NTK）框架表明，当网络宽度趋于无穷时，其训练动态可近似为在固定核函数下的核回归。
1
来源数
50%
置信度
长期有效
时效性
2026/10/25
首次发现
来源
涉及实体
相关事实
待验证输入梯度核函数复用了NPU上常驻的权重块和前向传播的去量化器，避免转置权重副本，并确保前向和反向传播使用相同的有效权重。63% 相似待验证神经网络存在排列对称性——对某一层的神经元重新排序，只要同步调整相邻层权重，网络功能完全不变63% 相似待验证Camerata提出“递归泛化”概念：神经元在训练中沿相关方向分叉生长，每一叉都有来历，而非硬塞叠加。61% 相似待验证随机储层网络（常指回声状态网络）是一种循环神经网络：内部连接权重随机初始化后固定不变，只训练输出层的线性读出。58% 相似待验证液态神经网络的节点连接强度能随输入动态调整，本质上是一种连续时间递归神经网络（CT-RNN）58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1097293API
curl https://kongchang.com/api/v1/knowledge/claims/1097293MCP
get_claim(id=1097293)