待验证50% 置信事实精确时间
深度神经网络由输入层、若干隐藏层、输出层构成，每个神经元对前一层输入做加权求和加偏置后通过激活函数做非线性变换
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
已验证深度学习使用多层神经网络，其结构受人脑神经元连接方式的启发82% 相似待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上78% 相似待验证端到端神经网络将从传感器原始输入到控制输出的整个流程封装在统一深度学习模型中，取代传统感知、预测、规划、控制分离的流水线架构75% 相似待验证大模型底层的数学结构是深度神经网络，本质上是无数个简单函数层层嵌套形成的复合函数74% 相似待验证残差连接（Residual Connections）将每层的输入直接加到输出上，解决深层网络中的梯度消失问题73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/587521API
curl https://kongchang.com/api/v1/knowledge/claims/587521MCP
get_claim(id=587521)