提出了Dynamic Game Theoretic Neural Optimizer (DGNOpt)优化器，通过将神经网络中的每个层视为动态博弈中的玩家进行训练。该优化器在图像分类数据集上的残差网络和Inception网络表现出更好的收敛效果，为稳健的最优控制和基于赌博机的优化提供了新的算法机会。

提出了Dynamic Game Theoretic Neural Optimizer (DGNOpt)优化器，通过将神经网络中的每个层视为动态博弈中的玩家进行训练。在残差网络和Inception网络的图像分类数据集上表现出更好的收敛效果。