PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.01762v1cs.LG

Role-Aware Neural Convex Divergence Heads for Asymmetric Representation Learning

방향성 관계(어휘 포함 관계, 문장 함의, 온톨로지 계층, 인용 링크 등)를 위한 비대칭 표현 학습(asymmetric representation learning)에서, 기존 대칭 거리 함수의 한계를 극복하고자 소스·타겟 역할 투영(role projection)을 ICNN 기반 Bregman 발산에 결합한 역할 인식 신경 볼록 발산 헤드(role-aware neural convex divergence head)를 제안한다. 주요 의미론 및 온톨로지 벤치마크에서 10개의 랜덤 시드 실험 결과, 제안 방법은 음의 발산 없이 일반 ICNN-Bregman 헤드 대비 방향 정확도를 일관되게 향상시키는 플러그인 모듈로 활용될 수 있음을 보인다.

arXiv:2606.13984v2stat.ML

분류 및 회귀 트리에 대한 브레그만 관점

A Bregman Perspective on Classification and Regression Trees

분류 및 회귀 트리(CART)의 다양한 불순도 기준을 브레그만 발산(Bregman divergence) 관점에서 통합해, 최소제곱·포아송 편차·쿨백-라이블러형 손실 등 지수족 모델의 노드 대표값·불순도·분할 규칙을 볼록 함수의 공통 프레임워크로 표현합니다. 생성 볼록 함수의 기하학적 성질이 불순도 감소와 재귀 분할 안정성에 미치는 영향을 분석하고 일관성 결과를 제시하며, 시뮬레이션과 실데이터에서 Bregman Trees와 CART를 비교합니다.