사전 정의 시간 안정성을 갖는 신경망으로 일반화 단조 포함 문제 해결

초록

본 논문은 힐베르트 공간에서 0 ∈ F(x) + G(x) 형태의 포함 문제를 해결하기 위한 새로운 동적 시스템 프레임워크를 제안합니다. 기존의 단조성 조건을 완화한 일반화된 단조성 가정 하에서, 시스템 파라미터를 조정하여 사용자가 지정한 시간 내에 수렴을 보장하는 ‘사전 정의 시간 안정성’과 초기 조건에 무관한 고정 상한을 갖는 ‘고정 시간 안정성’을 입증했습니다. 또한 연속 시간 동역학의 명시적 순방향 오일러 이산화를 통해 새로운 순방향-역방향 반복 알고리즘을 유도하고 그 수렴성을 분석하였으며, 제약 최적화 문제, 혼합 변분 부등식 등 다양한 문제에 적용 가능성을 실험을 통해 입증했습니다.

상세 분석

이 논문의 핵심 기술적 기여는 ‘사전 정의 시간 안정성’ 개념을 일반화된 단조 포함 문제 해결에 처음으로 적용했다는 점입니다. 기존 연구들이 점근적 안정성이나 초기값에 의존하는 유한 시간 안정성에 머물렀다면, 본 연구는 시스템 파라미터(μ, α 등)를 사전에 조정함으로써 수렴 시간 T_p를 사용자가 직접 지정할 수 있는 강력한 보장을 제공합니다. 이는 로봇 공학이나 네트워크 시스템처럼 정확한 초기 상태를 알기 어려운 실용적 환경에서 매우 중요한 의미를 가집니다.

분석의 핵심은 Lyapunov 함수 Ξ(z) = 1/2 ||z - z*||^2를 활용한 것입니다. 저자는 연속 시스템 ˙z = -μ Φ(z)에 대해 ˙Ξ(z) ≤ -μ(1-c)Ξ(z)를 유도하고, 여기에 지수항을 도입한 ˙Ξ(z) ≤ -K_p/T_p