待验证50% 置信事实精确时间

正交变换保持向量的L2范数和向量间夹角不变，正交矩阵的条件数恒为1

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

哈达玛变换：用加减法替代乘法的深度学习轻量化技术详解

相关事实

待验证分散损失的梯度回传需穿越L2归一化操作，该操作在向量范数趋近零时存在数值不稳定风险，实现中需加入epsilon平滑项（如ε=1e-8）69% 相似待验证将矩阵展平喂给MLP会因行数可变导致输入维度不固定，并破坏排列不变性65% 相似待验证哈达玛变换用于量化预处理时不会引入额外的数值不稳定性，因为其条件数恒为164% 相似待验证L1正则化倾向于产生稀疏解（许多参数恰好为零），在特征选择中有用64% 相似待验证经典ODE理论要求向量场在L无穷范数下逐点接近，但扩散模型训练中只能获得L2意义下的score误差估计62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/690855

API

curl https://kongchang.com/api/v1/knowledge/claims/690855

MCP

get_claim(id=690855)