<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>随机梯度下降 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/</link>
    <description>Recent content in 随机梯度下降 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Thu, 18 Sep 2025 07:30:10 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>分布漂移下的实时异常检测技术</title>
      <link>https://blog.qife122.com/p/%E5%88%86%E5%B8%83%E6%BC%82%E7%A7%BB%E4%B8%8B%E7%9A%84%E5%AE%9E%E6%97%B6%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF/</link>
      <pubDate>Thu, 18 Sep 2025 07:30:10 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%88%86%E5%B8%83%E6%BC%82%E7%A7%BB%E4%B8%8B%E7%9A%84%E5%AE%9E%E6%97%B6%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF/</guid>
      <description>&lt;h1 id=&#34;分布漂移下的实时异常检测&#34;&gt;分布漂移下的实时异常检测&lt;/h1&gt;&#xA;&lt;h2 id=&#34;理论分析与实验&#34;&gt;理论分析与实验&lt;/h2&gt;&#xA;&lt;p&gt;理论分析和实验表明，裁剪随机梯度下降（clipped SGD）能够实现鲁棒的在线统计估计。异常检测旨在识别超出统计规范的行为，异常可能表明某种恶意活动，如网站密码破解尝试、未经授权的信用卡购买或服务器的侧信道攻击。&lt;/p&gt;</description>
    </item>
    <item>
      <title>SGD批量大小对自编码器学习的影响</title>
      <link>https://blog.qife122.com/p/sgd%E6%89%B9%E9%87%8F%E5%A4%A7%E5%B0%8F%E5%AF%B9%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%BD%B1%E5%93%8D/</link>
      <pubDate>Wed, 17 Sep 2025 12:13:23 +0800</pubDate>
      <guid>https://blog.qife122.com/p/sgd%E6%89%B9%E9%87%8F%E5%A4%A7%E5%B0%8F%E5%AF%B9%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%BD%B1%E5%93%8D/</guid>
      <description>&lt;h1 id=&#34;sgd批量大小对自编码器学习的影响稀疏性锐度与特征学习&#34;&gt;SGD批量大小对自编码器学习的影响：稀疏性、锐度与特征学习&lt;/h1&gt;&#xA;&lt;h2 id=&#34;摘要&#34;&gt;摘要&lt;/h2&gt;&#xA;&lt;p&gt;本研究探讨了在正交数据上训练具有线性或ReLU激活函数的单神经元自编码器时，随机梯度下降(SGD)的动态特性。研究表明，对于这一非凸优化问题，使用恒定步长的随机初始化SGD能够在任何批量大小设置下成功找到全局最小值。然而，所找到的具体全局最小值取决于批量大小的选择。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
