待验证50% 置信观点精确时间

分布的鲁棒性本质上取决于如何建模其尾部行为，用重尾分布替代高斯分布可提升模型对异常值的稳定性

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

从零编码机器学习概率分布：高斯、Beta、Gamma分布实践指南

涉及实体

重尾分布concept 鲁棒统计concept

相关事实

待验证OU过程的平稳分布为高斯分布，其转移核为高斯分布，使任意时刻的条件分布可以精确计算77% 相似待验证格利文科-坎泰利定理保证随着样本量增大，经验分布函数一致收敛到真实分布函数75% 相似待验证权重往往近似对称分布适合对称量化，而激活值经过ReLU等非线性函数后分布偏移更适合非对称量化72% 相似待验证扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统70% 相似待验证贝叶斯网络通过有向无环图建模变量间条件依赖关系，Copula函数将多个边缘分布耦合为联合分布，两者对高维数据的扩展性较差69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/827784

API

curl https://kongchang.com/api/v1/knowledge/claims/827784

MCP

get_claim(id=827784)