연구진이 도메인 일반화(DG) 성능을 높이는 Projection Pursuit CPCANet(PP-CPCANet)을 제안했어요. 기존 CPCANet의 작은 배치 크기로 인한 공분산 추정 문제를 해결하기 위해 Stiefel 다양체 상의 전역 직교 기저를 학습해요.
PP-CPCANet은 Cayley 변환을 통해 네트워크 파라미터와 기저를 동시에 최적화하고, detached-median PP 분산 목적 함수를 도입하여 안정적인 최적화 신호를 확보했어요.
4가지 DG 벤치마크 실험 결과, PP-CPCANet은 기존 최고 성능을 능가하며 안정적인 학습을 유지하는 것으로 나타났어요.