待验证50% 置信事实精确时间
Wasserstein距离即使在两个分布完全不重叠时也能提供有意义的梯度信号，缓解原始GAN训练中的模式崩溃和梯度消失问题
1
来源数
50%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
待验证GAN训练中存在模式崩溃问题，源于JS散度在两个分布不重叠时退化为常数无法提供有效梯度信号71% 相似待验证ReLU激活函数为f(x)=max(0,x)，计算简单且不存在梯度消失问题，使更深网络训练成为可能68% 相似待验证RNN及其变体LSTM和GRU按时间步依次处理序列，存在梯度指数级衰减导致长距离依赖捕捉困难，以及无法并行化训练的缺陷67% 相似待验证Dietterich（1998）指出即使使用交叉验证，各折之间也并非完全独立，因为训练集之间存在大量重叠，这可能导致假阳性率膨胀66% 相似待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/831941API
curl https://kongchang.com/api/v1/knowledge/claims/831941MCP
get_claim(id=831941)