待验证50% 置信注意事项精确时间

低维重参数化会改变梯度流的形状，与 Adam 等自适应优化器的交互行为需要额外验证

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

MaRN：通过低维参数映射训练神经网络的PyTorch库

涉及实体

低维参数映射concept Adamconcept

相关事实

已验证Adam结合了动量法与RMSprop的自适应学习率，对每个参数独立维护一阶和二阶梯度的滑动平均73% 相似待验证Adam在RMSProp基础上进一步引入一阶矩（动量），并增加了偏差修正机制71% 相似已验证Adam 优化器结合了 Momentum 和 RMSProp 的优点，维护梯度的一阶矩估计和二阶矩估计的指数移动平均69% 相似待验证梯度下降及其变体（Adam、AdaGrad等）本质上是数值优化算法67% 相似待验证AdamW引入权重衰减解耦，Lion基于符号动量且显存更低66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991087

API

curl https://kongchang.com/api/v1/knowledge/claims/991087

MCP

get_claim(id=991087)