本研究提出了一种基于费舍尔信息矩阵的信息匹配标准，旨在解决数据收集的困难与成本问题。研究表明，该方法能够在多个科学领域中，通过小规模训练数据集实现精确预测，为大型机器学习模型的主动学习提供参考。

本研究提出了一种新优化算法SOAA，通过对角近似费舍尔信息矩阵，将计算复杂度降至O(n)，适用于大规模深度学习模型。实验表明，SOAA比Adam优化器收敛更快、更稳定，显示其在深度学习中的重要性。