论文证明GD鲁棒边际收敛率下界Θ(1/ln t)
热点事件持续更新
论文证明GD鲁棒边际收敛率下界Θ(1/ln t)
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Guy Smorodinsky、Sveta Gimpleson 和 Itay Safran 在论文（v2）中证明，在由两神经元 ReLU 网络和两个训练样本构成的最简二分类设置中，梯度下降虽能收敛到最优鲁棒性边界（最大化决策边界与训练点的距离），但收敛速率仅为 Θ(1/ln(t))，非常缓慢。作者称这是首个非线性模型中鲁棒边际收敛速率的显式下界。 理论界通过分析不同激活模式下的梯度下降轨迹建立；作者还在多种自然网络初始化下用模拟观察到相同的紧密收敛速率，称该失败模式普遍存在。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
非线性神经网络中梯度下降鲁棒性边界的收敛速率研究报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI非线性神经网络中梯度下降鲁棒性边界的收敛速率研究
基于论文摘要，作者证明在两神经元 ReLU 网络和两个训练样本的简化二分类设置中，梯度下降虽能收敛到最优鲁棒性边界，但其收敛速率仅为 Θ(1/ln(t))。作者通过分析不同激活模式下的梯度下降轨迹建立理论界，并在多种自然网络初始化下用模拟观察到相同的紧密收敛速率。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。