Unverified50% confidenceFactExact time
生物大脑采用脉冲式信号传递、稀疏激活（实际激活密度不足1%）和存内计算，规避了冯·诺依曼架构的内存墙瓶颈
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
神经符号AI架构：模拟神经递质与睡眠周期的新思路
redditr/deeplearning7/11/2026
Related Claims
Unverified叠加现象指神经网络倾向于用远少于特征数量的神经元同时编码大量语义特征，与传统一个神经元一个特征的直觉相悖65% similarUnverifiedRNN 引入隐状态机制，理论上能记忆任意长度上下文，但受梯度消失问题困扰63% similarUnverified脉冲神经网络（SNN）采用事件驱动的稀疏计算方式，神经元只在接收到足够输入脉冲达到激发阈值时才发放脉冲并参与计算63% similarUnverified弗里斯顿的自由能原理认为大脑最小化的是感知误差的精度加权总和，根据环境可靠性动态调整信息源权重63% similarUnverified梯度消失是深层神经网络中梯度值在反向传播过程中指数级衰减，导致靠近输入层的参数几乎得不到更新63% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/497375API
curl https://kongchang.com/api/v1/knowledge/claims/497375MCP
get_claim(id=497375)