待验证50% 置信决策规则精确时间
基于距离或梯度的算法（KNN、SVM、逻辑回归、神经网络）对特征尺度敏感，需要做特征缩放
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证神经网络重要性度量的成熟技术路线包括梯度×输入、积分梯度、SHAP 值、LayerCAM 等73% 相似待验证SVM 通过最大化分类间隔寻找最优超平面，核技巧能将数据隐式映射到高维空间处理非线性可分问题69% 相似待验证SAOT采用的人体姿态估计算法脱胎于计算机视觉深度学习研究，核心是通过卷积神经网络（CNN）提取特征并经三维重建算法合成球员空间坐标69% 相似待验证解决细粒度视觉识别近邻歧义的主流技术路径包括注意力机制、部件检测网络和度量学习68% 相似待验证现代行人重识别方法以深度度量学习为主流，通过三元组损失或对比损失训练孪生网络，将同一目标的不同图像映射至特征空间中相近位置66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/910735API
curl https://kongchang.com/api/v1/knowledge/claims/910735MCP
get_claim(id=910735)