온라인 적응형 콜케 딥 쿠프만 임베딩 컨포멀 학습

초록

COLoKe는 스트리밍 데이터에 대해 딥 쿠프만 임베딩을 온라인으로 업데이트하는 프레임워크로, 컨포멀 예측 기반의 동적 임계값을 이용해 모델 업데이트 시점을 자동으로 결정한다. 다중 단계 예측 손실과 메모리 효율적인 버퍼링을 결합해 과적합을 방지하면서 장기 예측 정확도를 유지한다.

상세 분석

본 논문은 비선형 동역학 시스템을 선형화하는 쿠프만 연산자를 딥러닝으로 근사하고, 이를 온라인 환경에 적용하기 위한 새로운 학습 메커니즘을 제시한다. 핵심 아이디어는 두 가지이다. 첫째, 상태를 직접 포함하는 하이브리드 피처 맵 Φθ(x) =