AffineLens는 신경망의 입력-출력 맵을 연속적인 분할 평면(CPA) 함수로 특성화하는 프레임워크입니다. 이 프레임워크는 하이퍼플레인 배열과 다면체 구조를 계산하여 계층별로 분할 영역을 열거하고, 최대 CPA 영역과 내부 대표를 반환합니다.
AffineLens는 배치 정규화, 풀링, 잔여 연결, 다층 퍼셉트론, 컨볼루션 레이어 등 다양한 현대 구성 요소를 지원하며, 영역 분할 및 결정 경계를 시각화합니다.
연구진은 AffineLens를 사용하여 아키텍처 표현력을 체계적으로 연구하고, 설계 선택이 학습된 함수의 기하학에 미치는 영향을 분석했습니다.