Unverified50% confidenceFactExact time
2014 年 Yosinski 等人在论文《How transferable are features in deep neural networks?》中证明网络浅层学习的特征具有极高通用性，而深层特征逐渐变得任务特定
1
Sources
50%
Confidence
Long-term
Relevance
8/27/2026
First Seen
Sources
Related Entities
Related Claims
Unverified深度学习模型浅层网络学习的边缘、纹理等低层特征具有较强领域无关性，深层网络编码的高层语义特征更具领域特异性77% similarUnverified近年来的理论研究表明，在过参数化的深度网络中，大部分局部极小值的质量接近全局最优，而鞍点才是优化的真正障碍72% similarVerified深度学习使用多层神经网络，其结构受人脑神经元连接方式的启发71% similarUnverified深度神经网络由输入层、若干隐藏层、输出层构成，每个神经元对前一层输入做加权求和加偏置后通过激活函数做非线性变换70% similarUnverifiedTelgarsky等人的工作证明，深度网络在表示某些函数时比等宽度的浅层网络具有指数级的参数效率优势70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/810175API
curl https://kongchang.com/api/v1/knowledge/claims/810175MCP
get_claim(id=810175)