Unverified50% confidenceTradeoffExact time
状态离散化存在权衡：分桶粒度过粗导致信息损失，过细则引发维度灾难，这也是DQN用神经网络替代Q表的核心动机
1
Sources
50%
Confidence
Long-term
Relevance
7/19/2026
First Seen
Sources
Related Claims
Unverified状态离散化存在权衡：分桶粒度过粗导致信息损失，过细则导致维度灾难84% similarUnverified过拟合是量化策略开发中最常见的陷阱，可能导致回测表现优异但实盘亏损严重71% similarUnverified嵌入向量维度过高会带来维数灾难效应，导致相似度区分度下降并增加存储和检索成本，业界通过PCA或矩阵分解降维平衡质量与效率71% similarUnverifiedRNN（循环神经网络）的核心缺陷在于其串行计算特性，必须按时间步逐一处理序列，导致长距离依赖关系随序列长度指数级衰减70% similarUnverified反向传播机制要求整个计算图必须是可微分的，且在极深网络中存在梯度消失/爆炸问题69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/561960API
curl https://kongchang.com/api/v1/knowledge/claims/561960MCP
get_claim(id=561960)