待验证50% 置信事实精确时间

NNGP后验是指当神经网络宽度趋于无穷时，网络函数空间分布收敛到一个由网络架构和激活函数决定核函数的高斯过程

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

似然温度调节如何拯救贝叶斯神经网络的"先验坍缩"

涉及实体

相关事实

待验证神经正切核（NTK）理论指出当神经网络宽度趋向无穷时，网络在梯度下降训练中的行为等价于以NTK为核的核回归模型，且网络不做特征学习71% 相似待验证用纯 NumPy 从零实现神经网络需要手动实现前向传播、反向传播、梯度计算和参数更新，是理解神经网络底层原理的有效方法69% 相似待验证通用近似定理指出只要层数和神经元足够多，神经网络可以以任意精度逼近任何连续函数68% 相似待验证KAN（Kolmogorov-Arnold Networks）将可学习的单变量函数放在网络的边上，而非传统神经网络把固定激活函数放在节点上66% 相似已验证神经网络的前向传播本质上就是矩阵乘法66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987038

API

curl https://kongchang.com/api/v1/knowledge/claims/987038

MCP

get_claim(id=987038)