待验证50% 置信事实精确时间
论文证明了基于回缩的网络对于不变特征具有通用性(universal),能够表达任何尺度不变的特征。
1
来源数
50%
置信度
长期有效
时效性
2026/11/9
首次发现
来源
涉及实体
相关事实
待验证如果所有层都仅做线性变换,无论网络多少层其整体效果等价于单层线性模型69% 相似待验证论文提出分级卷积网络(Graded Convolutional Networks),通过回缩(retraction)操作实现无需显式尺度参数的尺度不变性。68% 相似待验证共享专家对所有token输出相同变换,相当于在每层对token表示施加共性投影,经多层累积会压缩不同token表示的差异,使路由网络输入更同质化。67% 相似待验证通用近似定理指出只要层数和神经元足够多,神经网络可以以任意精度逼近任何连续函数66% 相似待验证贝叶斯网络通过有向无环图显式建模变量间的条件依赖关系,适合捕捉因果链条65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1150712API
curl https://kongchang.com/api/v1/knowledge/claims/1150712MCP
get_claim(id=1150712)