PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.19101v1eess.SP

비선형성보다는 구조: 동적 학습을 위한 명시적 상호작용 아키텍처

Structure Over Nonlinearity: Explicit Interaction Architectures for Dynamical Learning

대부분의 동적 시스템 학습 아키텍처는 범용적인 비선형 함수 근사에 의존하며, 구조화된 동작을 포착하기 위해 종종 높은 모델 복잡도를 요구합니다. 본 연구에서는 모델링 능력이 표현력 있는 비선형성보다는 주로 구조에서 비롯되는 대안적 패러다임을 제안합니다. 내부 상태를 가진 파동 기반의 상호작용 구조를 바탕으로, 명시적 구조화 동적 유닛(explicit structured dynamical units) 클래스를 도입합니다. 파동 기반 계산 원리에서 영감을 받은 제안된 유닛은 대수적 루프(algebraic loops)를 배제하는 엄격한 인과적 구성을 채택하여, 암시적 솔버(implicit solvers) 없이 평가할 수 있는 완전히 명시적인 모델을 산출합니다. 이러한 유닛을 적층하면 창발적 계층적 동작을 보이는 계층형 동적 아키텍처가 생성됩니다. 비선형 시스템 식별(nonlinear system identification) 작업에 대한 실험을 통해, 제한된 매개변수 최적화 하에서도 깊이가 표현 품질과 일반화를 모두 향상시킴을 입증합니다. 특히, 제안된 아키텍처는 리드아웃(readout) 전용 피팅(fitting) 조건에서도 유의미한 내부 표현을 생성하며, 이는 유용한 동적 구조가 상당한 매개변수 최적화 이전에 상호작용의 구성으로부터 창발됨을 시사합니다. 이러한 결과는 구조 우선 설계(structure-first design)가 동적 시스템 학습을 위한 기존 블랙박스 접근법에 대해 실행 가능하고 효과적인 대안이 될 수 있음을 시사하며, 상호작용 구조가 모델 표현력의 주요 원천임을 강조합니다.