SnareNet 유연한 복구 레이어를 통한 하드 제약 신경망

초록

SnareNet은 입력에 따라 달라지는 비선형 제약을 만족하도록 신경망 출력을 자동으로 복구하는 차별화 가능한 레이어를 도입한다. 적응형 완화 기법으로 초기에는 넓은 허용 구역을 제공해 학습을 안정화하고, 훈련이 진행될수록 제약을 점진적으로 강화한다. 실험 결과, 기존 방법보다 목표 함수 성능은 향상되고 제약 위반율은 크게 감소한다.

상세 분석

본 논문은 딥러닝 모델이 물리·운영·안전 제약을 위반하는 문제를 해결하기 위해 두 가지 핵심 아이디어를 제시한다. 첫 번째는 ‘복구 레이어’를 신경망 뒤에 삽입해, 비선형 제약 함수 g(y) 의 출력이 허용 구간