待验证50% 置信事实精确时间

新推导的稳定性条件与随机梯度下降（SGD）的稳定性条件互补但概念上截然不同。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

当学习信号不再连续：不稳定性新解

涉及实体

随机梯度下降concept 稳定性条件concept

相关事实

待验证经典随机逼近理论依赖Robbins-Monro条件来保证收敛，但常步长下的SGDM不满足这些条件，参数会在稳态附近持续波动而非收敛到某一点。77% 相似待验证SGD的稳定性通常关注步长和梯度噪声的协方差结构，而新条件直接关联到反馈的频率和信息量。77% 相似待验证论文证明SGD迭代在中心波动尺度下收敛到稳定OU过程，并利用该极限刻画尾部概率。73% 相似待验证当多个约束之间存在冲突时，模型可能在不同约束间随机倾向，导致输出稳定性下降72% 相似待验证当ε≈1时，分母中的梯度二阶矩项被稀释，自适应缩放几乎不起作用，优化器行为接近纯粹的SGD71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102649

API

curl https://kongchang.com/api/v1/knowledge/claims/1102649

MCP

get_claim(id=1102649)