Unverified50% confidenceFactExact time

卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量

1

Sources

50%

Confidence

Long-term

Relevance

7/16/2026

First Seen

Sources

AI学术会议生态过度集中：我们失去了什么？

Related Claims

Unverified大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整75% similar Verified神经网络的前向传播本质上就是矩阵乘法74% similar Unverified机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念72% similar Verified神经网络的反向传播算法是链式法则的直接应用，梯度下降依赖微积分中的偏导数概念72% similar UnverifiedGPPO 引入图神经网络对智能体间关系进行建模，可能改变梯度在网络中的传播特性70% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/533355

API

curl https://kongchang.com/api/v1/knowledge/claims/533355

MCP

get_claim(id=533355)