Adam 优化器：提出时间、作用及优势

Adam 优化器是由 Diederik P. Kingma 和 Jimmy Ba 于 2014 年提出的，它是一种基于梯度的优化算法，主要用于神经网络的训练。

Adam 优化器的作用是在神经网络的训练过程中，通过自适应地调整学习率和动量参数，实现更快、更稳定的收敛效果。与传统的梯度下降优化算法相比，Adam 优化器对于非凸、高维度的优化问题具有更好的表现，并且能够有效地避免梯度消失和梯度爆炸等问题。因此，在深度学习领域得到了广泛的应用。