参考文献中的数学20条,1标准件)

1. 巴斯克维尔，尼古拉斯P。；基廷，乔纳森P。；夹层，弗朗西斯科；Najnudel，Joseph:生成性对抗网络的损失面模型（2022）
2. 鲁丁，辛西亚；陈超凡；陈志；黄海阳；西米诺娃，莱西亚；钟楚迪：可解释机器学习：基本原理与十大挑战（2022）
3. 乔杜里，萨彦丹；杜塔，安康；来自量子神经网络的混沌与复杂性。机器学习中扩散度量的研究（2021）
4. Cooper，Yaim:过参数化神经网络的全局最小值（2021）
5. 达本，杰罗姆；Langlois，Gabriel P.：关于成像科学中的贝叶斯后验平均估计和Hamilton-Jacobi偏微分方程（2021）
6. 莫利托，德纳利；尼德尔，迪安娜；沃德，瑞秋：铰链损失的同伦梯度下降的偏差（2021年）
7. 皮托里诺，法布里齐奥；卢西贝罗，卡罗；费诺尔，克里斯托夫；佩鲁吉尼，加布里埃尔；巴尔达西，卡罗；德米亚年科，伊丽莎维塔；Zecchina，Riccardo:熵梯度下降算法和宽平坦最小值（2021）
8. 戈尔德，塞巴斯蒂安；阿德瓦尼，Madhu S。；萨克斯，安德鲁M。；克尔扎卡拉，弗洛伦特；Zdeborová，Lenka:师生设置中两层神经网络的随机梯度下降动力学*（2020）
9. 刘海亮；Markowich，Peter:深度神经网络的选择动力学（2020）
10. 孙若玉：深度学习的优化：综述（2020）
11. 张丽安；谢弗，海登：ResNet及其变体的前向稳定性（2020）
12. 本杰明·奥宾；梅拉德，安托万；巴比尔，琼；克尔扎卡拉，弗洛伦特；麦克里斯，尼古拉斯；Zdeborová，Lenka:委员会机器：学习两层神经网络的计算到统计差距（2019）
13. 可恶的耶稣，马可；萨贡，莱文；盖革，马里奥；斯皮格勒，斯特凡诺；本·阿沃斯，杰拉德；卡马洛塔，恰拉；乐坤，雅恩；怀亚特，马修；Biroli，Giulio:比较动力学：深层神经网络与玻璃系统（2019）
14. 普拉蒂克乔达里；乔罗曼斯卡，安娜；索阿托，斯特凡诺；乐坤，雅恩；卡洛，巴尔达西；博格斯，基督徒；查耶斯，詹妮弗；萨贡，莱文；Zecchina，Riccardo:熵SGD:偏向梯度下降到宽山谷（2019）
15. 陈一凡；孙月娇；Yin，Wotao:R-局部极小的非凸优化和全局最优性界的运行检验方法（2019）
16. 希尔，米奇；尼杰坎普，埃里克；朱松春：建造望远镜来观察高维图像空间（2019）
17. 科瓦奇基，尼古拉B。；Stuart，Andrew M.：集合卡尔曼反演：机器学习任务的无导数技术（2019）
18. 阿奇尔，亚历山德罗；Soatto，Stefano:深层表征中不变性和分离的出现（2018）
19. 普拉蒂克乔达里；欧伯曼，亚当；史丹利，奥舍；索阿托，斯特凡诺；Carlier，Guillaume:深度松弛：用于优化深层神经网络的偏微分方程（2018）
20. 尹鹏航；范明明；欧伯曼，亚当；Osher，Stanley:随机后向Euler:隐式梯度下降算法（k）-均值聚类（2018）