본 연구는 노이즈가 있는 데이터만 이용하여 볼록 신경망 정규화기를 학습하는 무감독 베이지안 접근법을 제안한다. 이를 통해 깨끗한 기준 데이터가 없는 역문제 상황에서도 효과적인 정규화기를 학습할 수 있다.
본 논문은 선형 역문제를 해결하기 위해 복합 가우시안(CG) 분포 클래스 내에서 문제 특정 통계적 사전 정보를 허용하는 두 가지 새로운 접근법을 제안한다. 첫 번째 방법은 CG 사전 정보를 활용하는 반복 알고리즘인 일반화된 복합 가우시안 최소 제곱(G-CG-LS)이며, 두 번째 방법은 G-CG-LS를 기반으로 하는 심층 정규화 신경망인 DR-CG-Net이다. DR-CG-Net은 CG 분포 클래스 내에서 임의의 신호 사전 정보를 학습할 수 있는 능력을 가지고 있어, 기존 CG 기반 방법들보다 향상된 성능을 보인다.