待验证50% 置信事实精确时间
对任意紧支撑的目标分布，只要粒子数足够多，加权MMD优化景观中每一个局部极小值处的MMD都可以任意小。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
过参数化加权MMD优化景观首获有限粒子保证
rss2026/10/14
涉及实体
相关事实
待验证加权MMD的优化问题是非凸的，粒子数不够时梯度流容易陷入虚假局部极小值。74% 相似待验证在加权MMD优化领域，此前关于过参数化良性景观的结果多集中在神经网络或特定非凸问题上，MMD粒子优化的对应理论一直是空白。73% 相似待验证当目标分布是有限支撑时，论文给出了一个显式的粒子数阈值，超过该阈值后不存在虚假局部极小值，且每一个虚假驻点都是不稳定的。70% 相似待验证传统一阶朗之万算法（如投影朗之万蒙特卡洛）处理受限域采样时要求目标分布的对数密度必须可微69% 相似待验证MMD（Maximum Mean Discrepancy）是基于再生核希尔伯特空间的非参数分布距离度量，相比FID对小样本场景更友好、计算开销更低68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037443API
curl https://kongchang.com/api/v1/knowledge/claims/1037443MCP
get_claim(id=1037443)