무한 계층 비모수 베이지안 학습과 딥러닝 구조의 무선 네트워크 적용

1. 서론 통계적 모델링은 머신러닝·데이터 분석에서 관측 데이터의 잠재 구조를 파악하는 핵심 도구이다. 전통적인 파라메트릭 모델은 사전에 정해진 변수·층 수를 가정하지만, 실제 데이터는 복잡한 계층적 관계와 미지의 요인 수를 포함한다. 이러한 문제를 해결하기 위해 비모수 베이지안 접근법이 제안되었으며, 특히 인디언 뷔페 프로세스(IBP)를 이용한 무한 요인 모델이 주목받았다. 그러나 기존 연구는 주로 이진 요인·가중치를 가정했으며, 층 수가 제한적이거나 비선형 구조를 다루지 못하는 한계가 있었다. 2. 관련 연구 두 층 비모수 베이지안 모델