본 연구는 신경망 학습을 시간 네트워크로 보고, 시간 네트워크 스칼라 임베딩 전략을 적용하여 신경망 학습 역학을 분석했어요.
MNIST 데이터셋으로 학습된 다층 퍼셉트론에서 초기 조건 민감성 출현과 리아푸노프 지수 재현 등 주요 역학적 특징을 보존하는 임베딩을 확인했어요.
임베딩된 스칼라 궤적을 사용하여 초기 조건에 따른 지수적 분리가 포화되는 특징 시간을 정의하고, 이는 원래 시스템에서 초기 조건에 가까운 네트워크 궤적의 일반적인 상관 해제 시간을 나타내요.
비동일한 초기 조건에서도 비가속 로그 정규 분포와 호환되는 비동일성 간격 분포를 확인하여, 스칼라 저차원 임베딩이 신경망 최적화 궤적의 역학적 특성을 연구하고 시각화하는 데 유용한 프레임워크를 제공하는 것을 확인했어요.