アフィン同変な近接作用素の学習
arXiv cs.LG / 2026/4/20
📰 ニュースIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- 本論文は、厳密な近接作用素を（理論的に）計算できるニューラルネットワークによるパラメータ化として、Affine-Equivariant Learned Proximal Networks（AE-LPNs）を提案する。
- AE-LPNsは、Learned Proximal Networks（LPNs）を拡張し、学習された正則化項とそれに対応する近接作用素に対して、シフトとスケーリング（アフィン）同変性を保証する。
- 著者らは、まず合成データで構成的な例によって検証し、その後実データのノイズ除去（out-of-distribution設定）で有効性を示す。
- 同変な学習近接作用素により、学習時に見ていないノイズ分布の変化やアフィンシフトに対して頑健性が向上し、学習近接作用素の実用性が高まる。
