待验证50% 置信事实精确时间
Maxout 通过对多个线性变换取最大值来隐式学习任意凸激活形状，不预设固定的激活曲线
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
相关事实
待验证经典的 Boosting 算法（如 Gradient Boosting）可理解为泛函梯度下降框架的特例，每次迭代用一棵新决策树近似梯度方向65% 相似待验证DEER（Deep Equilibrium Recurrent）的不动点迭代借鉴了隐式深度学习的思想，将RNN在时间维度上的展开看作隐式方程 h = F(h, x)64% 相似待验证模型若要真正泛化模块化算术任务，需要隐式地发现离散傅里叶变换等周期性表示，而非死记每对输入的答案63% 相似待验证推理期引导通过在反向扩散或流的每一步加入观测似然的梯度，将采样轨迹拉向与观测一致的区域，无需重新训练模型63% 相似待验证手动实现线性回归系数只需遍历数据计算均值、协方差与方差，不依赖任何机器学习库63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/981327API
curl https://kongchang.com/api/v1/knowledge/claims/981327MCP
get_claim(id=981327)