已验证65% 置信事实精确时间
深度学习模型浅层网络学习的边缘、纹理等低层特征具有较强领域无关性，深层网络编码的高层语义特征更具领域特异性
3
来源数
65%
置信度
长期有效
时效性
2026/8/12
首次发现
来源
相关事实
待验证深度学习中的深度指网络包含多个隐藏层80% 相似待验证SPLADE和DeepImpact是学习稀疏检索的代表，产生稀疏向量但每个词权重由神经网络学习得出，能做词项扩展79% 相似待验证单隐藏层在表达能力上不输深层网络，但深层结构可以用更少的参数表达同样的函数族，从而影响可训练性。77% 相似待验证2014 年 Yosinski 等人在论文《How transferable are features in deep neural networks?》中证明网络浅层学习的特征具有极高通用性，而深层特征逐渐变得任务特定77% 相似待验证深度学习强于模式识别但弱于可解释的逻辑推理，纯符号系统虽然透明却难以规模化76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/733368API
curl https://kongchang.com/api/v1/knowledge/claims/733368MCP
get_claim(id=733368)