分数布朗运动驱动的神经网络逐样本训练方法

Yuecai Han 与 Jianming Xu 在 arXiv 发表论文，提出一种由分数布朗运动驱动的分数阶随机神经网络，并给出配套的逐样本反向传播方法：通过引入离散随机最大值原理构建伴随递归，证明了投影逐样本随机梯度下降的均方收敛性。 据论文报告，数值实验覆盖闭式收敛测试、带不确定性量化的噪声回归、长记忆时间序列生成以及结构化扰动下的图像分类；结果显示，分数阶驱动在长记忆恢复或鲁棒性上优于布朗运动与确定性基线。这些比较结果来自论文自身的实验，属于作者报告的表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。