待验证50% 置信事实精确时间
图神经网络（GNN）在捕捉长程相互作用方面存在过平滑挑战，即随网络层数增加所有节点表征趋于一致
1
来源数
50%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
待验证残差连接（Residual Connections）将每层的输入直接加到输出上，解决深层网络中的梯度消失问题71% 相似待验证当需要表征的特征数量远超可用神经元数量时，网络会利用高维空间中近似正交向量数量远超维度数量的特性（Johnson-Lindenstrauss引理）将多个特征叠加压缩编码到同一组神经元上69% 相似待验证残差连接与层归一化解决了深层网络训练不稳定的问题，使模型可堆叠到数十层67% 相似已验证深度伪造的核心原理依赖生成对抗网络（GAN），由生成器与判别器相互博弈不断优化输出质量67% 相似待验证ResNet（残差网络）通过跳跃连接解决了深层网络的梯度消失问题，能提取层次化视觉特征66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/862276API
curl https://kongchang.com/api/v1/knowledge/claims/862276MCP
get_claim(id=862276)