已验证65% 置信事实精确时间

深度学习模型浅层网络学习的边缘、纹理等低层特征具有较强领域无关性，深层网络编码的高层语义特征更具领域特异性

3

来源数

65%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

AI遥感建筑提取：深度学习驱动的十年城市扩张分析

相关事实

待验证深度学习中的深度指网络包含多个隐藏层80% 相似待验证SPLADE和DeepImpact是学习稀疏检索的代表，产生稀疏向量但每个词权重由神经网络学习得出，能做词项扩展79% 相似待验证2014 年 Yosinski 等人在论文《How transferable are features in deep neural networks?》中证明网络浅层学习的特征具有极高通用性，而深层特征逐渐变得任务特定77% 相似待验证深度学习强于模式识别但弱于可解释的逻辑推理，纯符号系统虽然透明却难以规模化76% 相似待验证深度学习模型的黑盒问题根源在于特征空间与概念空间之间的鸿沟76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/733368

API

curl https://kongchang.com/api/v1/knowledge/claims/733368

MCP

get_claim(id=733368)