DAG 구조 학습에서 비음성(Non-Negativity)의 활용

요약

본 연구는 선형 구조 방정식 모델을 기반으로 유향 비순환 그래프(DAG)를 학습할 때, 에지 가중치를 비음수(non-negative)로 제한하여 최적화 문제를 해결하는 새로운 방법을 제안합니다. 비음성 제약을 통해 기존의 복잡한 비볼록 최적화 지형을 개선하여, 실제 DAG가 유일한 전역 최소화 지점이 되는 양호한 최적화 지형을 확보했습니다. 실험 결과, 제안된 알고리즘은 기존의 최신 연속 DAG 학습 방식보다 뛰어난 성능을 입증했습니다.

핵심 포인트

• 에지 가중치의 비음성(Non-Negativity) 제약을 활용하여 DAG 학습의 비순환성 특성화를 단순화함
• 승수법(Method of Multipliers) 기반의 정규화된 비음수 DAG 학습 알고리즘 개발
• 비음성 제약이 가짜 내부 정지점이 없는 양호한 최적화 지형(Benign Optimization Landscape)을 유도함을 증명
• 합성 및 실제 데이터 실험을 통해 기존 SOTA(State-of-the-art) 모델 대비 성능 우위 확인