파라미터 행렬 모델

우리는 매개변수화된 행렬 모델(Parametric Matrix Models)이라 불리는 일반적인 기계학습 알고리즘 클래스를 제안한다. 기존의 대부분의 기계학습 모델이 뉴런의 생물학적 구조를 모방하는 데 반해, 매개변수화된 행렬 모델은 물리 시스템을 모사하는 행렬 방정식을 사용한다. 물리학 문제를 일반적으로 해결하는 방식과 유사하게, 매개변수화된 행렬 모델은 원하는 출력을 도출하는 지배 방정식을 학습한다. 이러한 모델은 실험 데이터로부터 효율적으로 학습될 수 있으며, 방정식은 대수적, 미분적 또는 적분적 관계를 포함할 수 있다. 원래 과학 계산을 위해 설계된 이 모델은, 일반적인 기계학습 문제에 적용 가능한 보편적인 함수 근사기능을 갖는다는 점을 입증한다. 이론적 기반을 제시한 후, 다양한 문제에 대한 도전 과제들을 해결하는 데 매개변수화된 행렬 모델을 적용하여 그 성능을 검증하였다. 본 연구에서 검토된 모든 문제에 대해, 매개변수화된 행렬 모델은 효율적이고 해석 가능한 계산 프레임워크 내에서 정확한 결과를 도출할 수 있었으며, 입력 특성의 외삽(Extrapolation) 또한 가능함을 보였다.