待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证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78% 相似待验证Traditional CNNs (Convolutional Neural Networks) process regular grid data such as pixel matrices in images, while RNNs (Recurrent Neural Networks) handle sequential data like text and time series.64% 相似待验证卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量63% 相似待验证内存层映射通过在应用层与模型层之间构建智能缓冲，只提取当前任务相关的数据切片注入上下文，从而降低 LLM 上下文过载61% 相似待验证张量并行将模型单层的权重矩阵切分到多块GPU上并行计算，通过All-Reduce通信汇聚结果61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/788632API
curl https://kongchang.com/api/v1/knowledge/claims/788632MCP
get_claim(id=788632)