待验证60% 置信事实时间未知
RMSProp用指数移动平均替代累积，解决了AdaGrad的学习率消失问题
2
来源数
60%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Adam优化器深度拆解：一文搞懂自适应矩估计原理
bilibili深度学习自习室
涉及实体
相关事实
待验证RMSprop通过引入指数移动平均（EMA）解决了AdaGrad学习率趋零的缺陷84% 相似待验证可学习的排列不变图上下文聚合机制（用加权平均和Set2Set实现）在CVRP100到CVRP20迁移上取得最大改进，约0.9个百分点。67% 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零65% 相似待验证互动率与旧版Universal Analytics的“跳出率”互为镜像——互动率 ≈ 1 − 跳出率。65% 相似待验证搜索轨迹分析显示，SwarmRSI后续优化将35%的失败实现转化为新的最优有效程序，而对比方法AEDA和ARBOR分别只有12%和5%。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/7719API
curl https://kongchang.com/api/v1/knowledge/claims/7719MCP
get_claim(id=7719)