위상 공간 위의 연속 함수 집합의 전집과 공전집을 이용한 근접 집계 딥러닝에 대한 함자적 서술

요약

본 논문은 위상 공간 위의 연속 함수 집합의 전집과 공전집 개념을 도입하여 합성곱 및 메시지 전달 신경망에 대한 수학적 해석을 제공한다. 이를 통해, 이러한 구조가 가지는 함자적(functorial) 특성을 분석하고, 전집이나 공전집이 되기 위한 장애물(obstructions)을 활용함으로써 기존 신경망 모델의 경험적인 한계를 심화하는 이론적 휴리스틱을 제시한다.

핵심 포인트

• 위상 공간 위의 연속 함수 집합의 전집 및 공전집 개념을 사용하여 딥러닝 구조에 대한 수학적 프레임워크를 구축함.
• 합성곱(Convolutional) 및 메시지 전달(Message Passing) 신경망 모델에 함자적 해석을 적용하여 이론적 깊이를 더함.
• 전집/공전집이 되기 위한 '장애물' 개념을 활용함으로써, 기존 딥러닝 모델의 근본적인 한계를 수학적으로 분석하고 개선 방향을 제시함.