基于参数延续方法的原则化课程学习
机器学习
2025-07-31 v1 人工智能
摘要
本文提出一种用于神经网络优化的参数延续方法。参数延续、homotopies（同伪）与课程学习之间存在密切联系。我们提出的方法在理论上得到论证，并在多个深度神经网络问题中表现出实际有效性。特别是，我们展示相较于诸如 ADAM 等最先进的优化技术，所提方法在监督学习和无监督学习任务中表现出更好的泛化性能。
引用
@article{arxiv.2507.22089,
title = {Principled Curriculum Learning using Parameter Continuation Methods},
author = {Harsh Nilesh Pathak and Randy Paffenroth},
journal= {arXiv preprint arXiv:2507.22089},
year = {2025}
}