PulseAugur
中
实时 11:20:43
English(EN) Calibrated Target Noise Recovers Curvature from the Gradients

新方法可从梯度中恢复曲率，用于机器学习优化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，仅从梯度中恢复曲率信息，这是机器学习中的一个基本挑战。他们的技术包括向目标注入均值为零的噪声，其方差根据局部输出曲率进行校准。这种方法无需每样本梯度或二阶导数，即可恢复实际的曲率矩阵，例如非线性模型的广义高斯-牛顿（GGN）矩阵和ReLU网络的总体Hessian对角块。该方法被证明简单、轻量、可证明最优，并且易于集成到现有训练流程中，在实验中显示出改进的优化和提前停止的效用。 AI

影响 通过从梯度中恢复曲率信息，能够实现更高效的机器学习模型优化和采样。

排序理由 学术论文，详细介绍了一种新的机器学习优化方法。[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 →

新方法可从梯度中恢复曲率，用于机器学习优化

本文如何被排名

Signal score
11 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了一种新的机器学习优化方法。[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, infra
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Arash Jamshidi, Katsiaryna Haitsiukevich, Aristides Gionis, Kai Puolam\"aki ·

    校准目标噪声可从梯度中恢复曲率

    arXiv:2611.07671v1 Announce Type: new Abstract: Estimating curvature information from gradients alone is a fundamental problem in machine learning. The challenge becomes particularly acute in settings where only aggregate mini-batch gradients are available, yet curvature informat…

相关实体

相关话题