Unverified50% confidenceFactExact time
梯度下降的收敛条件与学习率和损失函数的Lipschitz常数的关系有关
1
Sources
50%
Confidence
Long-term
Relevance
8/20/2026
First Seen
Sources
Related Claims
Verified梯度下降通过沿着损失函数梯度的反方向迭代调整权重使预测误差逐步收敛77% similarUnverified梯度下降衍生出批量梯度下降、随机梯度下降和小批量梯度下降三种主要变体，Adam优化器是在动量与自适应学习率基础上的综合改进75% similarUnverified梯度下降的权重更新规则为 w = w - lr * gradient，其中lr是学习率75% similarUnverified分散损失属于表示学习正则化方法族群，相较对比学习和白化变换，其优势在于直接作用于嵌入几何且无需构造对比样本对72% similarUnverified前景理论的核心发现是损失厌恶，损失曲线的斜率远陡于同等幅度收益曲线的斜率72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/779955API
curl https://kongchang.com/api/v1/knowledge/claims/779955MCP
get_claim(id=779955)