待验证50% 置信事实精确时间

正交多项式通常定义在有界或半无限区间上，而神经网络的真实输入往往是无界实数值，二者存在裂隙

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

SW-KAN：用q-正交多项式破解KAN的域不匹配难题

涉及实体

orthogonal polynomialsconcept

相关事实

待验证线性代数中的矩阵分解与特征值分解对应神经网络的权重空间分析72% 相似待验证神经元对齐后两个网络之间的损失地景往往呈现线性模式，插值模型可保持相当性能，而朴素平均通常落入高损失的障碍区69% 相似待验证在未融合的小算子模式下，Cube计算和Vector计算往往串行排列，导致任意时刻总有一类计算单元空闲68% 相似待验证梯度学习的核心是连续优化，神经网络参数空间是高维实数空间，损失函数近似可微67% 相似待验证对无限维泛函梯度做朴素的近似会导致算法收敛到错误的位置，引入系统性偏差66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971800

API

curl https://kongchang.com/api/v1/knowledge/claims/971800

MCP

get_claim(id=971800)