本研究提出了一种空间解耦框架，旨在简化低秩优化中的正交不变约束问题。该框架通过将有界秩与约束分解为独立空间，使得在光滑流形上实现Riemannian算法更加容易，实验证明其在实际应用中的优越性。

该文汇总多项机器学习研究：RVFL网络可近似Lipschitz函数；edRVFL及其加权剪枝版本在UCI分类上优于深度前馈网络；图嵌入与直觉模糊集用于解决分类不平衡；SVD training压缩神经网络；FD-SVRG实现高维分布式分类；随机傅里叶特征推广贝叶斯潜变量建模；Internet Learning提升垂直联邦学习鲁棒性；低秩优化框架增强正交性；异步拟牛顿框架AsySQN减少通信轮次。