待验证50% 置信事实精确时间

即便只逼近一个固定的仿射函数，在足够高的置信水平下，输出层的代价必须达到((1-p)/p)ε^{-2}log(1/δ)

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

Dropout神经网络的逼近理论：Sobolev速率与置信界

涉及实体

Dropouttechnology

相关事实

待验证下界论证来自Sobolev容量约束和对固定仿射函数逼近的输出层代价两个角度72% 相似待验证对于固定p∈(0,1)和δ<min{1/2,1-p}，在固定或对数深度预算下，上界与下界在精度指数上完全吻合69% 相似待验证Score函数定义为对数密度梯度 ∇x log p(x)，指向概率密度增大最快的方向，其对数梯度使归一化常数消失62% 相似待验证δ*(r)是均匀K元信源在零一损失下的逆率失真函数，刻画了每条事实只有B/M比特存储时注定产生的失真60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975786

API

curl https://kongchang.com/api/v1/knowledge/claims/975786

MCP

get_claim(id=975786)