이차 결합을 가진 볼록 문제에 대한 부정확한 교대 최소화 학습

요약

본 논문은 이차 결합을 가진 볼록 문제에 대해 신경망을 활용하여 부정확한 교대 최소화(inexact alternating minimization)를 학습하는 방식을 제안합니다. 연구진은 최악 사례 최적성 격차 경계를 도출하고, 이를 로버스트 행렬 완성 및 저선량 CT 재구성 같은 실제 문제에 적용했습니다. 그 결과, 기존 1차 기반 모델 대비 최대 30배의 속도 향상을 달성하며 높은 성능을 입증했습니다.

핵심 포인트

• 신경망으로 하위 문제를 근사하는 부정확한 교대 최소화 학습 방식을 제안함.
• PAC-Bayes 논증과 결합하여 최적성 격차에 대한 고정 지평선 경계를 도출함.
• 로버스트 행렬 완성 및 저선량 CT 재구성 등 실제 문제에 성공적으로 적용됨.
• 기존 방식 대비 최대 30배까지 속도 향상을 달성하며 우수한 성능을 보임.