研究人员引入了一种名为黎曼法坐标-Levenberg-Marquardt方法（RNC-LM）的新优化方法，以解决标准Levenberg-Marquardt（LM）方法在非线性最小二乘问题中的局限性。RNC-LM通过纳入与参数效应曲率相关的更高阶修正，提高了有限优化步的一致性。这种增强的方法在基准测试中表现出改进的收敛性和鲁棒性，包括在机器学习势能面拟合任务上显著加速。 AI
影响 这种新的优化方法可以提高训练机器学习模型的效率和鲁棒性，尤其是在物理信息神经网络等复杂场景中。
排序理由 详细介绍机器学习任务新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07623v1 Announce Type: new Abstract: Nonlinear least-squares optimization is central to regression, physics-informed neural networks, and other machine-learning tasks. Such problems have a natural geometric interpretation, model predictions form a manifold in data spac…
Nonlinear least-squares optimization is central to regression, physics-informed neural networks, and other machine-learning tasks. Such problems have a natural geometric interpretation, model predictions form a manifold in data space, while the chosen parameterization can introdu…