Calibrated Target Noise

新方法可从梯度中恢复曲率，用于机器学习优化

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。