Publication

A note on a Lyapunov argument for stochastic gradient methods in the presence of noise

Ali H. Sayed
1995
Article de conférence

Résumé

The authors employ energy-based arguments to establish a robustness and a convergence result for a gradient-descent adaptive law in the presence of both noisy measurements and uncertainty in the initial guess.

Source officielle

https://infoscience.epfl.ch/record/233187?ln=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

A note on a Lyapunov argument for stochastic gradient methods in the presence of noise

Graph Chatbot

Chattez avec Graph Search

Understanding generalization and robustness in modern deep learning

Residual-based attention in physics-informed neural networks

On the Generalization of Stochastic Gradient Descent with Momentum

Understanding generalization and robustness in modern deep learning

On the Generalization of Stochastic Gradient Descent with Momentum

Residual-based attention in physics-informed neural networks