待验证50% 置信事实精确时间
循环神经网络（RNN）是一类专门处理序列数据的神经网络架构，其核心特征是隐藏层状态在时间步之间循环传递，使网络能够保留历史信息并建模时间依赖性。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
用时间序列预测晶粒长大：热条件模型突破非等温场景
rss2026/11/4
涉及实体
相关事实
待验证神经记忆模块是一类在模型推理过程中可动态更新参数的子网络，通常以键值存储或可微记忆矩阵的形式实现，其权重本身会随输入流实时调整。73% 相似待验证隐式神经网络在此指用小型神经网络直接参数化扭曲函数φ，输入是归一化时间坐标，输出是对应的对齐位置70% 相似待验证时序图神经网络（TGNN）通过从演化交互（事件）中更新节点记忆，并利用这些记忆进行下游预测。68% 相似待验证图神经网络（GNN）通过在图结构上进行消息传递与聚合，能够直接处理分子结构、知识图谱、社交网络等非欧氏数据68% 相似待验证卷积神经网络（CNN）在本框架中承担晶粒尺寸分布的编码任务，通过卷积核滑动提取局部模式并压缩为低维特征向量，避免高维分布直接输入循环网络导致的参数爆炸问题。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1138871API
curl https://kongchang.com/api/v1/knowledge/claims/1138871MCP
get_claim(id=1138871)