클리포드 대수 기반 초곡선 결정 경계와 타원 퍼셉트론

초록

본 논문은 m 차원 유클리드 공간을 클리포드 대수 Clₘ에 내재시켜 초곡선(하이퍼콘릭) 형태의 결정 경계를 정의한다. 이를 통해 선형 퍼셉트론과 구형 퍼셉트론을 일반화한 타원 퍼셉트론을 제안하고, 이중성을 이용해 경계 초평면의 법벡터를 구한다. 2차원 실험으로 타원형·쌍곡선·포물선 등 다양한 평면 초곡선으로 데이터를 구분함을 보인다.

상세 분석

이 논문은 기존의 선형 및 구형 퍼셉트론을 클리포드 대수와 컨포멀 기하학을 활용해 보다 일반적인 초곡선 결정 경계로 확장하려는 시도를 제시한다. 핵심 아이디어는 대칭 행렬 공간 Mₛ를 실벡터 공간 ℝ^{½m(m+1)}와 동형시켜, 해당 공간의 클리포드 대수 Cl(V₂)를 정의하고, 입력 벡터 x를 i 함수를 통해 Mₛ에 매핑한 뒤 τ 동형을 적용해 클리포드 다중벡터 x′에 삽입하는 것이다. 이 과정에서 점‑초곡선의 인시던스 조건을 단순히 클리포드 내적 x·a=0 으로 표현함으로써 기하학적 관계를 대수적으로 처리한다. 또한, 프로젝트ive 기하학의 이중성 개념을 클리포드 대수의 이중 연산과 일치시켜, 경계 초평면의 법벡터를 구하는 명제 11과 12를 제시한다. 이론적 전개는 레마 1, 3, 5, 8 등을 통해 매핑의 일대일성, 차원 일치, 인시던스 표현을 엄밀히 증명하고 있다. 실험 부분에서는 m=2인 경우에 한해 타원 퍼셉트론을 역전파 학습시켜 표준 데이터셋을 초곡선으로 분리하고, 결과를 표 1에 정리한다. 그러나 실험이 2차원에 국한되고, 성능 지표(정확도, 수렴 속도 등)가 구체적으로 제시되지 않아 실제 머신러닝 응용에서의 효용성을 판단하기 어렵다. 또한, 매핑 τ와 i 의 복잡도가 차원 증가에 따라 급격히 커지는 점, 수치적 안정성에 대한 논의가 부족한 점도 한계로 지적된다. 전반적으로 클리포드 대수를 이용한 기하학적 퍼셉트론 확장은 흥미롭지만, 고차원 실험 및 기존 방법과의 정량적 비교가 추가되어야 연구 가치를 충분히 입증할 수 있다.