待验证50% 置信事实精确时间

Johnson-Lindenstrauss引理保证对于任意ε∈(0,1)，只要目标维度k≥O(log(n)/ε²)，就存在保持两两距离在(1±ε)倍之内的高维到k维映射

1

来源数

50%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

块稀疏特征器：揭开视觉模型神经几何的黑箱

hackernewshackernews2026/7/7

相关事实

待验证Johnson-Lindenstrauss引理指出在n维空间中可以找到指数级于n的近似正交向量集合72% 相似待验证在n维空间中一个临界点成为局部极小值的概率约为(1/2)^n，因为要求Hessian矩阵的所有n个特征值都为正69% 相似部分验证KL散度的数学形式为D_KL(p||q) = ∑ p(x_i) log(p(x_i)/q(x_i))65% 相似待验证差分启发式若有K个地标，预处理总时间为O(K × (V+E)log V)65% 相似待验证n个顶点的图有2^(n(n-1)/2)种可能构型64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/365166

API

curl https://kongchang.com/api/v1/knowledge/claims/365166

MCP

get_claim(id=365166)