待验证50% 置信事实精确时间

该论文框架支持从温度缩放、矩阵缩放到神经网络层等多种形态的校准器

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

一步到位的神经网络校准：联合优化精度与可靠性

涉及实体

Calibration in One Goconcept

相关事实

待验证矩阵缩放是温度缩放的推广，用完整线性变换矩阵替代标量，表达能力更强但参数量随类别数平方增长65% 相似待验证论文将研究对象限定在单隐层线性网络并采用各向同性高斯先验，考察形如T=τ/M^c的温度调度策略65% 相似待验证论文提出的方法名为不变条件各向同性核神经算子（IKNO），是一个紧凑的图模型64% 相似待验证论文系统由四个模块组成：全局傅里叶神经算子、局部算子、集合感知选择器和宏观策略64% 相似已验证神经网络的前向传播本质上就是矩阵乘法62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002298

API

curl https://kongchang.com/api/v1/knowledge/claims/1002298

MCP

get_claim(id=1002298)