연구진은 신경망을 하위 영역으로 분할하여 병렬로 훈련하고 글로벌 신뢰 영역 메커니즘으로 결합하는 도메인 분해를 개선하는 방법을 제안했어요. 제안된 NAPTS는 APTS의 비단조 변형으로, CPU 시간을 30% 줄이고 거부된 단계를 APTS의 3분의 1로 줄였어요. 새로운 방법은 정확도를 유지하면서 효율성을 높이는 데 기여해요.
NAPTS는 병렬 하위 영역 수정과 글로벌 조잡 공간 방향을 결합하는 비선형 추가 Schwarz 사전 조건자를 사용해요. 창 윈도우 수용 기준은 효과적인 조잡 단계를 거부하지 않도록 객관적인 증가를 제어해요.
NAPTS는 Additively Preconditioned Trust-Region Strategy (APTS)를 기반으로 하며, 신경망 훈련 규모를 확대하는 데 도움이 될 수 있어요.