待验证50% 置信事实精确时间
随机初始化的宽度为 m 的神经网络，随着 m 趋于无穷，收敛到高斯过程。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在宽度M不断增大的贝叶斯神经网络中，ELBO中的KL散度正则项会逐渐压过期望对数似然项，导致变分预测分布退化为先验预测分布73% 相似待验证在循环神经网络中，临界状态对应于雅可比矩阵最大奇异值（谱半径）趋近于166% 相似待验证随机梯度下降将数据分成大小为m的小批量近似梯度，每个epoch可进行n/m次更新而非一次64% 相似待验证深度学习中的随机种子控制权重初始化、数据加载批次打乱顺序、Dropout神经元随机失活以及优化器中的随机梯度估计等多个随机性来源63% 相似待验证当网络宽度M增大时，KL项随参数数量线性增长，而期望对数似然项增长速度相对较慢，这是先验主导现象的根本数学原因63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1022953API
curl https://kongchang.com/api/v1/knowledge/claims/1022953MCP
get_claim(id=1022953)