本論文では、深層ニューラルネットワークの訓練において損失関数の特性、特に凸性と非凸性に依存した新しい二段階最適化アルゴリズムを提案します。機械学習の主な目標は、モデルのフィットを測る損失関数を最小化することであり、その効率的な手法は損失関数の性質に基づいています。特に、損失関数が実世界の課題において初めは非凸であり、最適点に向かうにつれて凸性に変化するという仮説に基づき、この変化点を特定する手法を検証します。具体的には、非凸な領域ではアダム法、凸な領域では共役勾配法を使用し、計算実験によりこのアプローチが収束と精度の向上に寄与することを確認しました。