本文为非扩张随机逼近（SA）迭代确立了新的理论界限，特别关注Krasnoselskii-Mann（KM）方法。研究分析了关于欧几里得范数非扩张的固定点映射，并利用多项式衰减的步长。研究结果详细阐述了在三种不同噪声条件下的最优界限，表明虽然某些条件与无噪声迭代相匹配，但其他条件则需要可平方和的步长才能收敛。该框架应用于随机梯度下降和共激励博弈中的学习等算法。 AI
影响 为机器学习中使用的优化算法提供了理论基础，可能提高训练效率。
排序理由 发表在arXiv上的学术论文，详细介绍了随机逼近方面的理论进展。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
