待验证50% 置信事实精确时间
SVD中Σ对角线上的奇异值按从大到小排列，最大的奇异值对应数据中最重要的变化方向，较小的奇异值往往对应噪声或次要信息
1
来源数
50%
置信度
长期有效
时效性
2026/8/28
首次发现
来源
涉及实体
相关事实
待验证强行取极值样本会引入离群点，迫使SVM构建更复杂的决策边界，高阶poly核在这种数据上收敛更慢70% 相似待验证扩散模型通过逐步去噪的生成机制产生的频域异常比GAN更微弱且分布不规律，使传统基于频域分析或GAN指纹的检测方法效果大打折扣64% 相似待验证批次归一化层在小批次场景下统计量估计噪声很大，与Dice损失的区域级计算特性叠加会放大预测概率分布的波动64% 相似待验证据作者介绍，Entropic Scree对混合数据类型、高度非线性生成过程、低信噪比场景和稀疏高维数据具有更强的鲁棒性63% 相似待验证格上的最短向量问题（SVP）和最近向量问题（CVP）在最坏情况下被认为是NP-hard的62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/813382API
curl https://kongchang.com/api/v1/knowledge/claims/813382MCP
get_claim(id=813382)