Stochastic approximation: invited paper
随机逼近：特邀综述AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要为随机逼近的一般综述，提及优化、控制和信号处理而未指向所列经济计量细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
随机逼近：特邀综述
- 研究问题
- Robbins 对随机逼近作出了哪些贡献，这一自其与 Monro 于一九五一年引入的研究方向，后来出现了哪些相关发展？
- 方法与思路
- 作者采用回顾与综述方式梳理 Robbins 的随机逼近贡献，并概述若干相关发展，置于优化、控制和信号处理的背景中。
- 材料陈述的贡献
- 摘要所述贡献是提供历史回顾和相关研究概览；没有声称提出新的估计量、算法、收敛定理或应用中的性能改进。
- 阅读关注点
- 应核对综述覆盖的主题、经典方法的假设与后续发展的联系，并区分历史结果的介绍、作者的解释和文中可能新增的内容。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；未列出具体算法或理论结论，不能据此推断其涵盖某项现代方法或提供新证明。
原文摘要
Stochastic approximation, introduced by Robbins and Monro in 1951, has become an important and vibrant subject in optimization, control and signal processing. This paper reviews Robbins' contributions to stochastic approximation and gives an overview of several related developments.