待验证80% 置信事实时间未知
Sense、Emporia等负载识别类APP依赖机器学习，前1-2个月需要'学习期'才能准确识别电器，初期识别率低是正常现象而非产品缺陷
1
来源数
80%
置信度
中期 (~90 天)
时效性
-
首次发现
来源
涉及实体
相关事实
待验证学习型温控器（如Nest的自动学习作息）省心但前2-3周需手动调节让其建模，且不规律作息家庭会导致学习混乱。作息不固定的家庭应选可精确编程的型号而非依赖AI学习62% 相似待验证APP配合肌电曲线实时显示是该产品核心卖点，但部分用户反馈初期需要一定学习成本来理解肌电数据和正确发力方式，对完全没有盆底康复知识的用户上手门槛略高61% 相似待验证小模型通过知识蒸馏通常比直接在标注数据上训练精度高出2-5个百分点60% 相似待验证APP的价值在于能记录EMG曲线（收缩幅度、放松速度、耐力）并生成趋势报告，只有肌电反馈可视化才能判断是否用对肌肉；仅记录训练次数/时长的APP参考意义低60% 相似待验证余弦退火在训练初期保持较高学习率快速探索、后期降低精细收敛，热身策略在最初几个epoch使用极小学习率避免参数剧烈震荡59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/230615API
curl https://kongchang.com/api/v1/knowledge/claims/230615MCP
get_claim(id=230615)