FlowAdam 优化器通过 ODE 集成和软动量注入增强训练

研究人员开发了 FlowAdam，这是一种新颖的优化器，通过普通微分方程 (ODE) 集成连续梯度流，从而增强了 Adam 优化器。这种混合方法旨在提高耦合参数任务的性能，例如矩阵分解和图神经网络，在这些任务中，标准 Adam 由于其逐坐标缩放而可能难以处理。FlowAdam 包含一种“软动量注入”机制，在模式转换期间将 ODE 速度与 Adam 的动量相结合，从而防止训练崩溃并提供隐式正则化。实验表明，FlowAdam 在特定基准测试上将测试误差最多降低了 22%，并且在耦合优化任务上优于 Lion 和 AdaBelief 等其他优化器。 AI

影响 引入了一种新颖的优化技术，通过解决现有优化器的局限性来提高特定机器学习任务的性能。

排序理由 该集群描述了一篇介绍机器学习新颖优化算法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• AdaBelief Optimizer: Adapting Stepsizes by the Belief in Observed Gradients
• Adam
• CIFAR-10
• FlowAdam
• Lion
• MovieLens-100k
• Soft Momentum Injection

• 论文
• 其他

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