神经网络训练中的并行信任区域方法：超越传统方法
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了一种使用 “加法预条件化信任域策略”（APTS）的新变体训练神经网络（NNs）的方法，该方法是基于可并行化的加法域分解方法应用于神经网络参数的。该方法构建在 TR 框架之上，确保全局收敛到最小化器，并且消除了计算成本昂贵的超参数调优的需求，因为 TR 算法会自动确定每次迭代的步长。通过进行一系列的数值实验证明了所提出的 APTS...
该文章介绍了一种新的神经网络训练方法，使用APTS和可并行化的加法域分解方法。该方法在TR框架上构建，全局收敛到最小化器，无需超参数调优。通过实验证明了APTS训练方法的能力、优势和局限性，并与其他方法进行了比较。
