건축 무관 등가성을 위한 확률적 대칭화 학습

우리는 주어진 군 대칭성을 가진 함수를 학습하기 위한 새로운 프레임워크를 제시한다. 등가 구조를 가진 기존 접근과 달리, 우리는 임의의 기저 모델(예: MLP, 트랜스포머)을 사용하고 이를 작은 등가 네트워크로 대칭화한다. 이 네트워크는 대칭화의 확률적 분포를 매개변수화하여 기저 모델과 함께 엔드-투-엔드로 학습된다. 이를 통해 등가성과 보편적 근사 능력을 보장하면서도 대칭화의 샘플 복잡도를 줄일 수 있다.