본 논문은 단일 연산자 네트워크 백본을 사용하여 불확실성을 가진 예측을 생성하는 NEON(Neural Epistemic Operator Networks)이라는 새로운 아키텍처를 소개한다. NEON은 기존 방법들에 비해 훨씬 적은 수의 학습 가능한 매개변수로도 유사한 성능을 달성할 수 있다.
본 논문은 Frank-Wolfe 방법을 활용하여 차별화 가능한 최적화 계층인 DFWLayer를 제안합니다. DFWLayer는 투영 및 헤시안 행렬 계산 없이 제약 조건이 있는 대규모 볼록 최적화 문제를 효율적으로 해결할 수 있습니다.