연구진은 약하게 규제된 균일 심층 신경망에서의 연속 분류를 작업 마진 집합으로의 순차적 투영으로 분석했어요. 이 결과는 기존의 고정(단일 작업) 심층 모델 또는 연속 선형 모델에 제한되었던 분석을 일반화해요. 글로벌 수렴은 일반적으로 실패하지만, 데이터에 대해서는 선형이지만 파라미터에 대해서는 비선형인 간단한 모델에서도 마찬가지예요.
비컨벡스 투영 이론 결과를 활용해 균일 심층 신경망의 규칙성 특성을 파악하여 무작위 및 주기적 작업 시퀀스에서 로컬 선형 수렴을 보장해요. 마지막으로 분석을 연속 회귀로 확장하여 균일 모델에 대한 프레임워크를 통합했어요.
이 연구는 심층 신경망의 연속 학습 수렴에 대한 이해를 높이고, 더 안정적인 학습 전략 개발에 기여할 수 있을 것으로 기대돼요.