PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.04722v2cs.LG

입력 볼록 신경망을 위한 쌍대 보증 화이트박스 추론

Dual Certified White-Box Inference for Input Convex Neural Networks

입력 볼록 신경망(Input Convex Neural Networks, ICNN)은 최소화점(minimizer)이 의사결정을 정의하는 볼록 목적함수를 학습하는 데 사용되므로, 효율적이고 신뢰할 수 있는 최적화가 추론의 핵심이 됩니다. 비매끄러운(nonsmooth) 입력에서 자동 미분은 최적성과 하강을 지배하는 완전한 열미분(subdifferential) 대신 단일 도함수만을 반환합니다. 2차 원뿔 ICNN(SOC-ICNN)은 매개변수화된 2차 원뿔 프로그램의 가치 함수로서 정확한 표현을 제공하여, 최적 쌍대 승수로부터 완전한 열미분을 복원하고 매끄러운 영역에서 명시적인 헤시안(Hessian)을 유도하는 화이트박스 접근법을 제공합니다. 이러한 표현을 바탕으로, 본 연구에서는 네트워크와 실행 가능 영역(feasible set)의 기하학적 구조를 결합하여 정확한 정류성 보증(stationarity certificates) 및 접 공통 하강 방향을 얻는 쌍대 보증 추론(DCI)을 개발합니다. DCI는 뉴턴 가속을 위해 국소 곡률을 활용하며 정확한 근위 안전장치(proximal safeguard)를 사용합니다. 본 연구에서는 전역 수렴을 확립하고, 표준 정규성 조건하에서 구조적으로 비퇴화인 내부 최소화점 부근에서의 국소 2차 수렴을 입증합니다. 수치 실험을 통해 복원된 기하학적 구조를 검증하고 DCI의 신뢰성과 효율성을 입증합니다. 코드는 https://anonymous.4open.science/r/DCI-ICNN-507D/ 에서 확인할 수 있습니다.