待验证50% 置信基准精确时间

在NinaPro DB1数据集上，经验回放在类增量漂移场景下达到83.3%的最终准确率，并将遗忘导致的准确率下降限制在1.8%–5.8%之间。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

sEMG手势识别跨用户适应：持续学习策略对比与训练稳定性

rss2026/10/25

涉及实体

Experience Replayconcept NinaPro DB1product sEMG手势识别concept

相关事实

已验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警70% 相似待验证实践中常用精确率（Precision）和召回率（Recall）来量化误报漏报，并借助混淆矩阵分析模型表现。69% 相似待验证RNN存在两大缺陷：无法并行计算导致速度慢，以及长距离依赖信息衰减的健忘问题68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102413

API

curl https://kongchang.com/api/v1/knowledge/claims/1102413

MCP

get_claim(id=1102413)