이 논문은 무한소 비조성 스케치(LINCS)라는 범주적 프레임워크를 개발하여, 스케치가 몫 스케치를 통과하는 데 실패하는 비조성 문제를 해결합니다.
머신러닝 문제는 스케치로 정의되며, 스케치는 교환 조건, 극한 원뿔, 공극 원뿔로 구성되어 손실 함수 스칼라화 또는 벡터 공간 가정을 일반화합니다.
비조성성은 보편적 인자화 문제의 실패로 순수하게 정의되며, 원하는 예측과 실제 예측 간의 산술 오류가 아닙니다.
LINCS는 탠저트 리프트에 의해 정의되며, 탠저트 리프트는 인자화 문제를 반복적으로 생성하는 INC 엔도펑터를 사용하여 코알지브라 고정점을 검색하여 ML을 공식화합니다.