待验证50% 置信事实精确时间

流形假设由Bengio、LeCun等深度学习先驱提出，认为高维真实数据近似分布在低维光滑流形上

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

引导式生成模型：精准估算极端事件概率的新方法

相关事实

待验证深度生成模型通过学习高维数据中的低维流形结构来规避维度灾难69% 相似待验证统计模型方法对高维数据的扩展性较差，这是深度学习方法逐步崛起的核心原因69% 相似待验证深度学习依赖于线性代数、微积分、概率论与优化理论67% 相似待验证Grinsztajn等人2022年在NeurIPS发表的基准研究证明，在中等规模表格数据集上，GBDT类模型持续优于深度学习方法67% 相似待验证DeepPose 于2014年首次将深度学习引入姿态估计领域65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/510572

API

curl https://kongchang.com/api/v1/knowledge/claims/510572

MCP

get_claim(id=510572)