본 연구는 인공지능 기초 모델 구축에 필수적인 자기 지도 학습(SSL)의 이론적 기반을 개발하는 데 기여하고자 합니다. 특히, 딥 클러스터링 접근 방식을 중심으로 SSL을 지도 학습과 유사하게 K-L 발산 최적화 문제로 공식화했습니다.
교사 분포에 최적화 제약을 가함으로써 모드 콜랩스를 방지하고, 제이슨 부등식을 활용하여 정규화 과정을 단순화하여 배치 중심화 절차와 연결했습니다.
본 연구에서 개발한 이론적 모델은 기존의 성공적인 SSL 방법들을 뒷받침할 뿐만 아니라, 향후 연구 방향을 제시합니다.