MLP
最基础的全连接前馈神经网络结构，由输入层、若干隐藏层和输出层组成，通过反向传播算法训练，是深度学习的基础模型之一
时间轴 (近 90 天)
MLP由线性变换叠加非线性激活函数并堆叠多层构成，对输入结构几乎不做利用。
论文在 UNSW-NB15、CIC-IDS2017、EMBER2024 三个基准上，与校准后的 XGBoost、Random-Forest、MLP 和 Kitsune 对比，并测量了“Suricata（52,674 条 Emerging-Threats 规则）→ VX-One”的两阶段级联，在 CIC-IDS2017 上跨五天运行。
MLP（Major League Pickleball）等联赛和巡回赛逐步建立，装备、场地运营、培训与赛事组织构成完整产业链。
与 MLP 把固定非线性激活函数放在节点、权重放在边上不同，KAN 把可学习的样条函数（通常是 B 样条）放在边上，节点只做求和。
Kolmogorov-Arnold Geometry（KAG）框架通过分析隐藏层对输入变化的局部响应——即Jacobian矩阵的子式——来揭示网络内部的计算结构。
作者在合成数据集上训练了单隐藏层MLP，并通过计算实验验证了α-RC指标的有效性，实验表明新指标能够更清晰地反映网络内部表示的集中程度，且不受网络规模影响。
论文在 MLP、ViT 和 GPT-2 三种架构上验证了 DP-μP 的效果，实验设计为在较窄的模型上搜索学习率，然后直接应用到更宽的模型上，不进行额外调参。
电路分析（如追踪注意力头与 MLP 的协作路径）依然有效，但它解释的是计算路径，而非表示空间的「洁净度」，两者属于不同层次的问题。
在主流视觉语言模型（VLM）中，MLP指Transformer每一层中负责逐位置非线性变换的前馈网络，其参数量往往占整层的一半以上。
静态能力与动态能力之间的平衡，对模型晚层MLP（多层感知机）参数的变化尤为敏感。
还有 26 条时间轴事件
全部知识事实 (20)
MLP由线性变换叠加非线性激活函数并堆叠多层构成，对输入结构几乎不做利用。
50%待验证论文在 UNSW-NB15、CIC-IDS2017、EMBER2024 三个基准上，与校准后的 XGBoost、Random-Forest、MLP 和 Kitsune 对比，并测量了“Suricata（52,674 条 Emerging-Threats 规则）→ VX-One”的两阶段级联，在 CIC-IDS2017 上跨五天运行。
50%待验证MLP（Major League Pickleball）等联赛和巡回赛逐步建立，装备、场地运营、培训与赛事组织构成完整产业链。
50%待验证与 MLP 把固定非线性激活函数放在节点、权重放在边上不同，KAN 把可学习的样条函数（通常是 B 样条）放在边上，节点只做求和。
50%待验证作者在合成数据集上训练了单隐藏层MLP，并通过计算实验验证了α-RC指标的有效性，实验表明新指标能够更清晰地反映网络内部表示的集中程度，且不受网络规模影响。
50%待验证Kolmogorov-Arnold Geometry（KAG）框架通过分析隐藏层对输入变化的局部响应——即Jacobian矩阵的子式——来揭示网络内部的计算结构。
50%待验证电路分析（如追踪注意力头与 MLP 的协作路径）依然有效，但它解释的是计算路径，而非表示空间的「洁净度」，两者属于不同层次的问题。
50%待验证在主流视觉语言模型（VLM）中，MLP指Transformer每一层中负责逐位置非线性变换的前馈网络，其参数量往往占整层的一半以上。
50%待验证静态能力与动态能力之间的平衡，对模型晚层MLP（多层感知机）参数的变化尤为敏感。
50%待验证在CPU上用NumPy实现一个可训练的Transformer或手写MLP并跑通MNIST是可行的，许多教学项目就是这样做的。
50%待验证探针是一个轻量分类器，通常是一条线性层或小型MLP，训练时接收模型某一层的激活向量作为输入，输出是否存在目标行为的分数，不修改底层大模型的权重。
50%待验证KAN将可学习的激活函数放在网络的边（连接）上，而传统MLP在节点上使用固定激活函数、在边上使用可学习权重
50%待验证实验显示KAN相对MLP在训练过程中的相对性能提升可达50%
50%待验证论文的核心结论是使用KAN架构可以在样本量减少40%的情况下达到与传统MLP相当的性能
50%待验证KAN将可学习的激活函数放置在网络的边上，每条边对应一个可训练的样条函数，与传统MLP在节点处应用固定激活函数不同
50%待验证该项目采用标准的MLP（多层感知机）网络架构，没有依赖复杂的网络设计
50%待验证神经纹理是将传统纹理信息编码进神经网络（通常是小型MLP或特征网格）的一种表示方式
50%待验证该研究的实验局限于两层MLP和模块化算术这一相对简化的设定，标度律能否推广到大规模Transformer或真实世界任务仍有待检验
50%待验证该研究在两层隐藏层MLP上针对模块化算术任务系统扫描了384种超参数配置
50%待验证在小规模下MLP层的FLOPs占比约为44%，而扩展到175B参数时会上升到约80%
50%