待验证50% 置信基准精确时间
深度学习方法（如卷积神经网络处理光变曲线原始时序）在部分论文中准确率可达到96%以上
1
来源数
50%
置信度
长期有效
时效性
2026/9/21
首次发现
来源
涉及实体
相关事实
待验证许多深度学习模型在权重量化到4位后仍能保持95%以上的推理精度77% 相似待验证深度学习时代的LSTM和CNN架构大幅提升了OCR识别准确率，但真实业务场景中端到端准确率仍难以达到100%71% 相似待验证现代深度学习框架PyTorch和TensorFlow将神经网络表示为计算图，通过自动微分（Autograd）逆向计算梯度70% 相似待验证深度学习中CNN用于提取神经信号的空间特征，RNN/LSTM和Transformer架构用于捕捉时序依赖关系69% 相似待验证2020年代以来出现基于深度学习的侧信道攻击，研究者使用卷积神经网络从功耗轨迹自动提取特征，某些场景下能绕过传统硬件对抗措施68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/937919API
curl https://kongchang.com/api/v1/knowledge/claims/937919MCP
get_claim(id=937919)