Improving machine learning algorithms using methodological stochastic differential equations

doi:10.47974/JIM-2492

Improving machine learning algorithms using methodological stochastic differential equations

2026-03-01

0

PRE

AI

I

Isha Saluja *

S

Srijita Bhattacharjee

B

Bibhu, Vimal

S

S. Mohan Mahalakshmi Naidu

DOI：10.47974/JIM-2492

原文链接

原文求助

摘要

En 中文

本研究探讨了将科学随机微分方程（SDEs）应用于机器学习技术，以增强其鲁棒性和预测性。这是一种通过SDEs表征数据和数据的怀疑与嘈杂特性，从而在进化和复杂环境中提升泛化能力的方法。我们提出了新的基于SDE的系统，能够调整其学习速率和参数更新频率，确保收敛更加稳定。实验结果表明，与传统优化方法相比，在测试数据集上测量速度时出现了显著变化。该拟议方法为整合随机动力学提供了坚实的数学手段，能够更深入地了解算法在不确定性情况下的行为。

Keyword:

Stochastic differential equations

Machine learning

Robustness

Optimization

Predictive modeling

Improving machine learning algorithms using methodological stochastic differential equations

摘要

期刊

机构

引用论文