데이터 부족은 생성 모델을 훈련하여 수치적으로 비용이 많이 드는 매개변수 최적화 문제에 대한 초기 추측을 생성하는 데 있어 근본적인 과제입니다.
$k$-이웃 데이터 수집 전략을 연구하여 수렴된 솔루션 데이터 세트에 중간 솔버 반복을 추가하여 추가 솔버 실행 없이 훈련 데이터 양을 늘립니다.
투영 경사 하강법으로 해결되는 일방향 박스 제약 이차 프로그램에 초점을 맞춰 Rademacher 복잡도에 기반한 일반화 경계를 도출하여 $k$-이웃의 역할을 밝힙니다.