Finite-Lag Operator Geometry of Recurrent Representations
순환 신경망(RNN)의 은닉 상태를 정적 스냅샷이 아닌 궤적으로 취급하여, 관측된 소스-후계 쌍 $(X_t, X_{t+\Delta})$으로부터 유한-시차(finite-lag) 연산자 기하학을 개발한다. 조건부 수송 법칙 $Q_\Delta$에서 도출한 소스 중심 수송 텐서 $G_\Delta$와 좌표 순환 $\mathcal{W}_\Delta^\rho$를 통해, 무한소 carré-du-champ 기하학으로는 포착되지 않는 결정론적 순환 운동을 검출할 수 있음을 이론적으로 증명하고 반복 복사(repeat-copy) 네트워크 실험으로 검증한다.