待验证50% 置信事实精确时间

生物大脑采用脉冲式信号传递、稀疏激活（实际激活密度不足1%）和存内计算，规避了冯·诺依曼架构的内存墙瓶颈

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

神经符号AI架构：模拟神经递质与睡眠周期的新思路

redditr/deeplearning2026/7/11

相关事实

待验证叠加现象指神经网络倾向于用远少于特征数量的神经元同时编码大量语义特征，与传统一个神经元一个特征的直觉相悖65% 相似待验证RNN 引入隐状态机制，理论上能记忆任意长度上下文，但受梯度消失问题困扰63% 相似待验证脉冲神经网络（SNN）采用事件驱动的稀疏计算方式，神经元只在接收到足够输入脉冲达到激发阈值时才发放脉冲并参与计算63% 相似待验证弗里斯顿的自由能原理认为大脑最小化的是感知误差的精度加权总和，根据环境可靠性动态调整信息源权重63% 相似待验证梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/497375

API

curl https://kongchang.com/api/v1/knowledge/claims/497375

MCP

get_claim(id=497375)