Why Adam Works Better with $β_1 = β_2$: The Missing Gradient Scale Invariance Principle

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Fernández-Hernández, Alberto, Pérez-Corral, Cristian, Mestre, Jose I., Dolz, Manuel F., Quintana-Ortí, Enrique S.
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2601.21739