动态系统中深度神经网络在线自适应的控制理论技术
原文中文，约300字，阅读约需1分钟。发表于：。利用控制论技术，通过在线适应法更新深度神经网络参数，控制域偏移以及解决稳定性和迁移学习问题，提高深度神经网络基于学习的系统的性能和保证。
提出了Dynamic Game Theoretic Neural Optimizer (DGNOpt)优化器，通过将神经网络中的每个层视为动态博弈中的玩家进行训练。该优化器在图像分类数据集上的残差网络和Inception网络表现出更好的收敛效果，为稳健的最优控制和基于赌博机的优化提供了新的算法机会。
