待验证50% 置信事实精确时间
该方法将收敛分析分解为两个独立步骤：第一步，验证SDE的Lyapunov生成元不等式；第二步，通过速率迁移定理得到离散算法的收敛率。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证对于带动量或自适应步长的随机算法，其SDE近似往往更容易进行Lyapunov分析，通过速率迁移这些连续时间的结果可以快速映射回离散算法。76% 相似待验证该研究提出了两种迭代式推断算法：推前（Push-forward）通过迭代估计密度比并沿位移场移动样本来修正预训练采样器，无需重新训练；拉回（Pull-back）将数据向基分布拉近，逐层拟合变换模型。73% 相似待验证双向传播让模型同时从起点向末端和末端向起点两个方向传播，两次预测在中途汇合相互校正以减少单向累积误差70% 相似待验证Autoguidance 每步推理需要对强弱两个模型分别做前向传播，计算量翻倍69% 相似待验证岭回归是在普通线性回归基础上加入L2正则化项的回归算法，在最小化预测误差的同时对模型系数施加惩罚，防止过拟合69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026659API
curl https://kongchang.com/api/v1/knowledge/claims/1026659MCP
get_claim(id=1026659)