待验证50% 置信事实精确时间

线性回归使用均方误差作为损失函数，公式为L=(Ŷ-Y)²

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

Neural Networks from Scratch: A Deep Dive into the Fundamentals from Linear Regression to Gradient Descent

bilibiliAI课堂2026/6/11

相关事实

待验证梯度下降通过迭代公式 θ = θ - α∇J(θ) 更新参数，其中α是学习率，∇J(θ)是损失函数对参数的偏导数向量71% 相似待验证Focal Loss在标准交叉熵损失前添加调制因子(1-p_t)^γ，γ通常设为2，使模型聚焦于困难样本66% 相似待验证均匀量化引入的误差近似服从均匀分布，其方差为Δ²/12（Δ为量化步长）66% 相似待验证均方误差（MSE）代价函数定义为 C(w,b) = 1/(2n) Σ ‖yᵢ − ŷᵢ‖²，每项误差平方后恒为非负65% 相似待验证AES-GCM标准中采用的不可约多项式是 x^128 + x^7 + x^2 + x + 162% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/47629

API

curl https://kongchang.com/api/v1/knowledge/claims/47629

MCP

get_claim(id=47629)