待验证50% 置信事实精确时间

CNN推理过程包括输入层、卷积层提取低级特征生成特征图、池化层下采样、全连接层映射到10个输出节点、输出概率最高节点作为识别结果

1

来源数

50%

置信度

长期有效

时效性

2026/8/16

首次发现

来源

3D可视化揭秘：LeNet-5如何识别手写数字

相关事实

待验证CNN通过卷积层自动提取输入数据的局部特征，利用参数共享和局部连接大幅减少模型参数量78% 相似待验证研究人员利用图神经网络GNN学习增殖包层中子学仿真，可对任意几何参数组合的TBR值实现亚秒级预测，预测误差控制在1%以内63% 相似已验证模型量化是将神经网络权重从高精度浮点数压缩为低精度整数的技术63% 相似待验证早期神经风格迁移方法利用VGG网络不同层级的特征响应，每生成一张图片需要数分钟的迭代计算63% 相似待验证云端流水线对传感器分歧样本通过COCO模型与语义推理AI进行二次判断，若两者都认为画面中什么都没有则提升至人工审核队列62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/757797

API

curl https://kongchang.com/api/v1/knowledge/claims/757797

MCP

get_claim(id=757797)