PulseAugur
实时 06:24:25
English(EN) RELTA-SGLD: Relative-Growth Localized Taming for Nonconvex Stochastic-Gradient Langevin Learning

新的 RELTA-SGLD 方案稳定了随机梯度学习

研究人员推出了一种新的驯服方案 RELTA-SGLD,旨在稳定非凸设置下的随机梯度更新。该方法通过使用驯服激活阈值和用于确定驯服强度的相对增长原则,旨在减少不必要的学习漂移抑制。该方案被证明在 Fashion-MNIST 上提供多项式矩稳定性和一阶平稳精度,优于未驯服的 SGLDTUSLA,同时与 AdamW 保持竞争力。 AI

影响 引入了一种稳定随机梯度学习的新方法,有可能提高非凸优化任务的性能。

排序理由 该集群包含一篇详细介绍新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的 RELTA-SGLD 方案稳定了随机梯度学习

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yiwei Zhou, Ziheng Chen ·

    RELTA-SGLD:非凸随机梯度朗之万学习的相对增长局部驯服

    arXiv:2607.19544v1 Announce Type: new Abstract: We introduce RELTA-SGLD, a taming scheme that stabilizes superlinear stochastic-gradient updates while reducing unnecessary suppression of the original learning drift. A threshold determines where the taming turns on, while a relati…