待验证50% 置信事实精确时间
HyperRepair 学习一个超网络，该网络利用激活指纹概括模型相对预训练基座的变化，并生成定制的修复侧网络（RSN）。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证HyperNSDE 让基线静态特征通过超网络持续塑造整条轨迹的演化过程，而不仅是初始条件70% 相似待验证HyperNSDE 是一个连续时间生成模型，用超网络将潜在的神经随机微分方程与静态患者表征连接起来，以生成合成临床数据67% 相似待验证超网络（HyperNetwork）是用一个小网络生成另一个大网络的权重，与MaRN思路相关但更侧重条件生成66% 相似已验证ResNet（残差网络）由微软研究院何恺明团队于2015年提出，通过引入残差连接解决了深层网络训练中的梯度消失问题65% 相似待验证反向传播是深度学习训练的核心算法，通过链式法则将输出层的误差逐层传递回网络，计算每个参数对损失函数的梯度64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125129API
curl https://kongchang.com/api/v1/knowledge/claims/1125129MCP
get_claim(id=1125129)