本研究探讨了随机梯度下降（SGD）算法的性质，分析了步长条件和噪声影响，及其在深度学习中的应用。结果表明，梯度噪声能够有效正则化，且小批量训练有助于避免不稳定点。此外，提出了一种新的噪声下降算法，拓展了SGD的应用并提升了泛化能力。