Wasserstein 概率空间上的连续时间黎曼 SGD 与 SVRG 流

基于摘要分析。本文研究 Wasserstein 概率空间上的连续时间随机优化，将已有的黎曼梯度流扩展为随机梯度下降（SGD）流和随机方差缩减梯度（SVRG）流，主要贡献是构造相应连续动力学并建立收敛速率，而非提出 EEG 或 BCI 模型。 机制方面，摘要以 Wasserstein 空间优化与采样过程的联系为出发点：在最小化 KL 散度时，标准黎曼梯度流对应 Langevin dynamics。作者利用 Wasserstein 空间的性质，构造随机微分方程（SDE）来近似目标黎曼随机优化方法所对应的离散欧氏动力学，再通过 Fokker–Planck 方程得到概率分布在 Wasserstein 空间中的演化流。相较于标准梯度流，研究重点是引入随机梯度与方差缩减机制，并分析其连续时间性质。 作者报告，所提出随机流的收敛速率与欧氏情形中已知的速率相对应。摘要未给出具体速率表达式、目标泛函条件、随机梯度构造、方差控制假设及离散近似误差，因而不能据此判断结论适用于哪些分布或采样任务，也不能将理论速率直接解释为实际计算加速。理论假设、实验协议、消融及统计信息尚未验证。 该研究的原始对象是概率空间上的优化与采样；摘要未建立其与 EEG 黎曼几何、跨被试分布差异或 BCI 解码的具体联系。Wasserstein 概率空间也不能仅因同属黎曼几何框架，就与 EEG 协方差矩阵方法等同。当前材料不足以提出明确的 BCI 迁移方案，已有 EEG 相关工作尚未检索确认。进一步核查应优先关注流的完整定义、收敛条件，以及连续理论如何对应可实现的离散算法。