待验证50% 置信事实精确时间
对于图神经网络，搜索空间通常包括学习率（连续值）、隐藏层维度（离散值）、层数、dropout率、聚合函数类型（如均值、求和、注意力）等超参数。
1
来源数
50%
置信度
长期有效
时效性
2026/11/6
首次发现
来源
涉及实体
相关事实
待验证嵌入向量本质上是神经网络中间层输出的高维数值向量，通常具有数百到数千个维度，是原始输入数据在学习到的语义空间中的坐标表示70% 相似待验证基于距离或梯度的算法（KNN、SVM、逻辑回归、神经网络）对特征尺度敏感，需要做特征缩放68% 相似待验证神经网络由多层节点组成，包括输入层、若干隐藏层和输出层；深度指隐藏层数量多，依赖反向传播算法调整权重。68% 相似待验证神经网络重要性度量的成熟技术路线包括梯度×输入、积分梯度、SHAP 值、LayerCAM 等66% 相似待验证PLEASE通过轻量级分配网络端到端学习软区域归属，每个通道在每个区域获得门控值，在通道注意力和空间注意力之间架起桥梁。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1143745API
curl https://kongchang.com/api/v1/knowledge/claims/1143745MCP
get_claim(id=1143745)