均值场神经网络训练中非线性观测量波动研究

2026年10月8日，arXiv 统计学与机器学习栏目发布一项研究，主题为均值场神经网络训练中非线性观测量的波动。该研究在加权 Sobolev 空间中证明：浅层神经网络经随机梯度下降训练时，均值场波动可传播到有限维非线性观测量，并给出普通 Fréchet 可微条件下的泛函 Delta 方法。所得中心极限定理与显式协方差公式无需 Lions 导数。此外，在常数秩假设下，观测量微分的核包含于目标量微分的核，是目标量局部因式化的充要条件。目前报道仅涉及上述理论结果，未提及其他进展或应用验证。

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。