待验证50% 置信事实精确时间

卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

AI学术会议生态过度集中：我们失去了什么？

相关事实

待验证大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整75% 相似已验证神经网络的前向传播本质上就是矩阵乘法74% 相似待验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念72% 相似已验证神经网络的反向传播算法是链式法则的直接应用，梯度下降依赖微积分中的偏导数概念72% 相似待验证GPPO 引入图神经网络对智能体间关系进行建模，可能改变梯度在网络中的传播特性70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/533355

API

curl https://kongchang.com/api/v1/knowledge/claims/533355

MCP

get_claim(id=533355)