待验证50% 置信事实精确时间
神经网络重要性度量的成熟技术路线包括梯度×输入、积分梯度、SHAP 值、LayerCAM 等
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证物理信息神经网络（PINNs）通过将物理方程约束编入损失函数改善分布外泛化能力，将类似物理先验融入渲染代理网络是当前研究前沿66% 相似待验证嵌入向量本质上是神经网络中间层输出的高维数值向量，通常具有数百到数千个维度，是原始输入数据在学习到的语义空间中的坐标表示65% 相似待验证现代卷积神经网络的感受野随层级加深而递增，功能上与人类视觉皮层V1→V2→V4→IT区的加工流水线高度吻合65% 相似待验证2015年Gatys等人提出神经风格迁移，通过卷积神经网络的Gram矩阵来匹配内容图与风格图的特征分布64% 相似待验证Anthropic开展的稀疏自编码器'特征'研究属于神经元级别可解释性研究，试图解开分布式表示63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/510762API
curl https://kongchang.com/api/v1/knowledge/claims/510762MCP
get_claim(id=510762)