English(EN) Gradient Descent as Implicit EM in Distance-Based Neural Models

新论文将梯度下降与神经网络中的隐式EM联系起来

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

一篇新论文提出，在某些神经网络目标函数中，梯度下降表现为一种隐式的期望最大化（EM）算法。研究表明，对于涉及距离或能量的log-sum-exp结构的优化目标，相对于每个距离的梯度恰好是相应分量的负后验责任。这个代数恒等式是Fisher恒等式的一个特例，意味着标准的神经网络训练在没有显式辅助变量的情况下，隐式地执行了广义EM。这些发现统一了无监督混合模型、注意力机制和交叉熵分类，解释了Transformer等模型中观察到的软聚类和贝叶斯不确定性跟踪等现象。 AI

影响提供了一个理论框架，可能带来更高效、更易于解释的神经网络训练。

排序理由该集群包含一篇学术论文，详细介绍了神经网络训练动力学的新理论见解。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了神经网络训练动力学的新理论见解。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 93 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Alan Oursland · 2026-07-07 04:00

基于距离的神经网络模型中的梯度下降作为隐式EM

arXiv:2512.24780v2 Announce Type: replace Abstract: Neural networks trained with standard objectives exhibit behaviors characteristic of probabilistic inference: soft clustering, prototype specialization, and Bayesian uncertainty tracking. These phenomena appear across architectu…

本文如何被排名

报道来源 [1]

基于距离的神经网络模型中的梯度下降作为隐式EM

相关实体

相关话题