待验证50% 置信注意事项精确时间

全零初始化会导致对称性问题，同一层的所有神经元计算相同梯度并做相同更新，无法打破对称性

1

来源数

50%

置信度

长期有效

时效性

2026/8/30

首次发现

来源

从零构建神经网络：反向传播与梯度计算实战指南

涉及实体

权重初始化concept

相关事实

待验证叠加现象指神经网络倾向于用远少于特征数量的神经元同时编码大量语义特征，与传统一个神经元一个特征的直觉相悖61% 相似已验证梯度消失问题源于Sigmoid或Tanh等饱和激活函数在输入值较大或较小时导数趋近于零，导致梯度逐层衰减60% 相似待验证sigmoid激活函数的导数最大值仅为0.25，多层连乘后导致梯度迅速消失59% 相似待验证仅无约束地最大化SWD会导致神经网络扭曲数据结构得到退化解，因此需引入几何约束在分离性与保真度之间权衡59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/826866

API

curl https://kongchang.com/api/v1/knowledge/claims/826866

MCP

get_claim(id=826866)