本研究提出了一种新方法，利用自适应漂移参数的奥恩斯坦-乌伦贝克过程，解决神经网络在非平稳分布下的学习问题。实验结果表明，该方法在监督学习和离线强化学习中表现优异。

本研究将残差神经网络推广至广义黎曼流形，提供了一种解决具有层次结构或流形值数据的学习问题的方法。实验结果表明，该方法表现更好。