[問題] deep learning可以解決非ergodic問題嗎?

[jaids (j-aids)]

很多stochastic optimization研究最被人詬病的就是假設一個ergodic random process

然後下去做最佳化，可是現實生活中的問題可能不是ergodic的

常常沒有steady state

那deep learning對於這種問題的表現是否遠勝於stochastic optimization?

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.24.109
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1525620332.A.88E.html
推 peter308: 當系統進入遍歷態，時間平均會等於系綜平均。就算系統
→ peter308: 在好幾個不同狀態間切換，其實並不影響結果!因為系統
→ peter308: 已經可以視為進入一種平衡狀態
推 peter308: ergodic state 和steady state 是兩種不同的概念!
推 lucien0410: 什麼是ergodic 現實生活的非ergodic問題是什麼 能不
→ lucien0410: 能具體舉例闡述一下呢 這是很有意思的討論