关于《深度学习》书中，第十一章中学习率过低会导致训练误差高位扰动的问题的猜想

关于《深度学习》书中，第十一章中学习率过低会导致训练误差高位扰动的问题的猜想
首先，凸问题中不存在，证明在二阶偏导的情况下，即数据中有一个明显的误差下降方向时，不会造成这种情况。
这里就得到了两个条件，非凸且学习率过低。
过低，低到什么程度，我们大胆猜测是由于低于了数据的扰动误差，即观测误差，或者是不可避免误差，这个误差可能是贝叶斯误差，在这个范围内，非凸函数的不断震荡，使得网络在一个局部区间内同样发生震荡，而且由于扰动过小，无法在真实空间内前进，而是在一个误差空间内不断游走。
不知道写这个东西的时候，有没有论文解决这个问题，但还是写了下来。