PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.04278v1q-fin.CP

재귀적 효용함수를 이용한 동적 프로그래밍을 위한 심층 학습

Deep Learning for Dynamic Programming with Recursive Utility

재귀적 효용함수(recursive utility)를 갖는 고차원 이산 시간 동적 프로그래밍 문제를 풀기 위한 최초의 딥러닝 알고리즘인 확실성 등가 학습(CEL, Certainty Equivalent Learning)을 제안하며, 신경망으로 가치 함수, 정책 함수, 확실성 등가 함수를 공동 근사하는 시뮬레이션 기반의 격자망 없는(mesh-free) 방식을 채택했다. Epstein-Zin DSGE, 소잡음 강건 제어, 다변량 전략적 자산 배분 등 다양한 벤치마크에서 기존 VFI 방식에 필적하는 정확도를 달성하면서도 고차원 상태·제어 공간으로의 확장성을 입증했다.

arXiv:2511.12398v2cs.LG

On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions

순열 대칭(permutation symmetry)을 갖는 Korobov 함수를 심층 신경망으로 근사할 때 발생하는 차원의 저주 문제를 해결하기 위해, 대칭 희소 격자 기저(symmetric sparse grid basis)를 ReLU/squared ReLU 네트워크로 직접 근사하는 대칭 심층 신경망 구성 방법을 제안한다. 수렴률과 상수 계수 모두 차원에 대해 다항식 이하로 스케일됨을 이론적으로 증명하고, 이를 기반으로 한 일반화 오차 분석 결과 역시 차원의 저주를 피함을 보인다.