待验证50% 置信事实精确时间
增加网络深度能让表达能力（段数）呈指数级增长，而增加单层宽度只带来线性增长
1
来源数
50%
置信度
长期有效
时效性
2026/9/20
首次发现
来源
涉及实体
相关事实
待验证Telgarsky等人的工作证明，深度网络在表示某些函数时比等宽度的浅层网络具有指数级的参数效率优势65% 相似待验证深度学习崛起依赖三大要素同步成熟：海量标注数据、GPU并行计算能力提升、反向传播等训练算法的工程化成熟65% 相似待验证近年来的理论研究表明，在过参数化的深度网络中，大部分局部极小值的质量接近全局最优，而鞍点才是优化的真正障碍65% 相似待验证深层网络中，传统单一残差连接仍然存在梯度消失问题，导致深层层次学到的有效信息有限64% 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64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/936210API
curl https://kongchang.com/api/v1/knowledge/claims/936210MCP
get_claim(id=936210)