English(EN) State-space models through the lens of ensemble control

新理论将状态空间模型训练视为最优控制

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-02 04:00

研究人员开发了一个新的理论框架来理解状态空间模型（SSMs）的训练动态。通过将连续时间SSM参数优化构建为集成最优控制问题，他们通过状态轨迹和共享控制参数来分析训练过程。这种方法揭示了哈密顿梯度代表目标的一阶变分密度，从而产生了一个Bregman镜像下降方案，在欧几里得几何中简化为函数投影梯度下降。稳定性分析表明，在充分正则化下，最优控制问题存在唯一的最小值，并确定了SSMs的具体收敛速率。 AI

影响为分析和潜在改进状态空间模型等序列模型的训练提供了一个新颖的理论视角。

排序理由学术论文，详细介绍了理解模型训练动态的新理论框架。[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: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了理解模型训练动态的新理论框架。[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, other; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ye Feng, Jianfeng Lu · 2026-10-02 04:00

状态空间模型通过集成控制的视角

arXiv:2603.13587v2 Announce Type: replace-cross Abstract: State-space models (SSMs) are effective architectures for sequential modeling, but a rigorous theoretical understanding of their training dynamics is still lacking. We formulate continuous-time SSM parameter-path optimizat…

本文如何被排名

报道来源 [1]

状态空间模型通过集成控制的视角

相关实体

相关话题