新论文提出扩散式随机粒子优化方法

研究者 Jiechen Jackie Zhang 与 O. Deniz Akyildiz 发表论文，提出一类基于扩散的随机粒子优化方法，用于处理损失梯度为参数依赖分布积分、无法直接求梯度的问题，覆盖生成模型训练、微调和隐变量模型学习。 该方法引入平均场动力学及其交互粒子近似，可将多种现有算法纳入统一框架。作者在适定性与联合收缩性假设下证明了指数收敛，并给出连续时间粒子系统的非渐近误差界，还构造了高阶 Langevin 与动量优化器，在最大边缘似然估计和基于能量的模型训练上进行了评估。这些结论均出自论文作者。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。