상호작용을 제한하는 구조
일반적인 NODE의 표현을 가산 구조로 바꾸기 위해 게이팅 기제를 설계했다. 학습 과정에서 높은 차수의 특징 상호작용을 줄이며 주변 효과와 특징 쌍을 역전파로 선택한다.
쌍별 효과의 확장
NODE-GAM은 개별 특징의 효과를 가산한다. NODE-GA2M은 여기에 두 특징 사이의 상호작용을 더해 가산적인 주변 효과만으로 표현하기 어려운 관계도 다룬다.
미분 가능성과 사전 학습
미니배치 학습과 GPU 최적화를 활용할 수 있으며 자기 지도 사전 학습과 미세 조정도 가능하다. 연구는 표 자료에서 성능과 해석을 평가하고 표지가 제한된 조건에서 사전 학습의 효과를 조사했다.
관련 문서
신경 가산 모델 / 일반화 가산 모형 / 의사 결정 트리 / 역전파 / 자기 지도 학습 / 신경망 가중치의 상호작용 탐지