待验证50% 置信事实精确时间

混合密度网络（MDN）让神经网络输出混合高斯分布的参数（均值、方差和混合权重），从而能建模任意复杂的条件分布包括多峰分布

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

混合密度网络concept

相关事实

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70% 相似待验证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67% 相似待验证受控混合策略的核心原则是增强分布应匹配真实测试分布，这是域匹配理论的应用65% 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63% 相似待验证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62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/831826

API

curl https://kongchang.com/api/v1/knowledge/claims/831826

MCP

get_claim(id=831826)