ホットトピック観察中
学者提出有限步长SGD的随机学习流理论
1 件の報道1 件の報道元1 日前 更新
まずこの件を把握する
AI 概要
2026年11月3日，arXiv机器学习领域发表的一项研究针对有限步长随机梯度下降（SGD）提出了“随机学习流”（SLF）矩方程。该理论在高斯闭包下，推导出了学习率 $\eta$ 一阶精度下的参数分布均值与协方差动力学。研究指出，参数均值沿受到协方差与损失曲率正则化的有效损失下降，且协方差在曲率达到 $2/\eta$ 时失稳。在线性和非线性网络中，SLF相较于梯度流能够更准确地预测学习曲线与均值轨迹，并揭示了稳定边缘机制。
AI が報道をもとに生成 · 1 日前 更新
最新の進展11月3日 13:00
研究针对有限步长SGD提出随机学习流矩方程，更准确预测学习曲线并揭示稳定边缘机制。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- arXiv 机器学习随机学习流：有限步长下 SGD 的矩方程
研究针对有限步长 SGD 提出了“随机学习流”（SLF）矩方程，在高斯闭包下推导出学习率 $\eta$ 一阶精度下的参数分布均值与协方差动力学。该理论表明均值沿受协方差与损失曲率正则化的有效损失下降，且协方差在曲率达到 $2/\eta$ 时失稳。在线性与非线性网络中，SLF 比梯度流更准确地预测了学习曲线与均值轨迹，并揭示了稳定边缘机制。
このストーリーのホット度の推移
現在のホット度 4·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化-51%
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。