본 연구는 기본 FBS(Forward-Backward-Splitting) 유도 네트워크의 학습 문제를 분석합니다. 심층 계층 한계 시스템의 학습 문제로의 일반적인 수렴성을 입증하고, 최적 학습 파라미터의 클러스터 포인트가 심층 계층 한계 시스템의 해가 되도록 합니다. 또한, 이러한 학습 문제의 교란 안정성에 대한 질적 분석을 제시합니다.
FBS 알고리즘에서 파생된 심층 신경망 아키텍처는 지난 10년 동안 데이터 과학 분야에서 큰 관심을 받았습니다. 본 연구는 직접 파라미터 이완을 통합하여 원래 FBS 알고리즘에서 풀려난 기본 FBS 유도 네트워크를 분석합니다.
수렴 결과의 타당성을 검증하기 위해 간단한 수치 실험을 수행했습니다.