待验证50% 置信事实精确时间

RMSprop通过引入指数移动平均（EMA）解决了AdaGrad学习率趋零的缺陷

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

从零手写还是直接用sklearn？ML工程师学习路径完全指南

相关事实

待验证RMSProp用指数移动平均替代累积，解决了AdaGrad的学习率消失问题84% 相似待验证AdaGrad于2011年首次引入自适应学习率，对历史梯度平方累积归一化，但其分母单调递增会导致学习率趋近于零68% 相似待验证Adam的EMA设计只需要存储上一时刻的矩估计值，内存开销极小63% 相似待验证Adam于2014年在RMSprop基础上增加了一阶矩（动量）的估计，并引入偏差修正项以解决训练初期估计偏低的问题60% 相似待验证布鲁姆的掌握学习法要求学生达到约80%的掌握标准才能进入下一单元，取得约1.0 SD的效应量59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/563768

API

curl https://kongchang.com/api/v1/knowledge/claims/563768

MCP

get_claim(id=563768)