English(EN) Mean-Field Model for Two-Layer Neural Networks Trained with Consensus-Based Optimization

新的均场模型通过基于共识的优化增强了神经网络训练

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-01 04:00

研究人员开发了一种用于使用基于共识的优化（CBO）训练两层神经网络的均场模型。该方法与Adam结合使用时，比单独使用CBO收敛更快。研究还表明，CBO可以适应多任务学习，并减少内存开销。CBO和神经网络的均场模型均已通过数值计算得到验证。 AI

影响引入了一种新颖的优化技术，有望提高神经网络训练的效率。

排序理由该集群包含一篇详细介绍神经网络新训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · William De Deyn, Michael Herty, Giovanni Samaey · 2026-07-01 04:00

Mean-Field Model for Two-Layer Neural Networks Trained with Consensus-Based Optimization

arXiv:2511.21466v3 Announce Type: replace Abstract: We study Consensus-Based Optimization (CBO) for two-layer neural network training. We compare the performance of CBO against Adam on two test cases and demonstrate how a hybrid approach, combining CBO with Adam, provides faster …