Neural Networks with Differentiable Belief-Function Layers↗ (원문, 새 창)

연구진은 1987년 야거(Yager)가 제안한 증거 결합 규칙이 역전파에도 적합함을 발견했다. 뎀스터(Dempster)의 정규화 항은 증거가 충돌할 때 기울기를 발산시키지만, 야거의 규칙은 이선형이라 발산 항이 없다. 이를 토대로 모든 질량 함수가 야거 규칙으로 결합되는 심층 증거적 파이프라인을 구성했고, 출력의 무지 질량이 네트워크의 '모른다' 신호 역할을 한다. 경성 레이블로만 학습했는데도 이 신호는 시각·언어 두 모달리티에서 사람 간 의견 불일치를 정렬해냈으며, 가장 논쟁적인 CIFAR-10H 이미지에서 야거의 공백도는 뎀스터보다 9배 커 재보정 없이 해석 가능했다.

• 야거(Yager) 1987년 결합 규칙이 뎀스터 규칙과 달리 역전파 시 기울기 발산 문제가 없음을 규명
• 야거 규칙 기반 심층 증거적 파이프라인을 구성, 출력의 무지 질량으로 '모른다' 신호 생성
• 경성 레이블만으로 학습해도 무지 질량이 시각·언어 두 모달리티의 사람 간 의견 불일치를 정렬
• 가장 논쟁적인 CIFAR-10H 이미지에서 야거의 공백도가 뎀스터보다 9배 커 재보정 없이 해석 가능
• 분포 외(OOD) 탐지에서 강력한 단일 패스 기준선과 경쟁력 있는 성능 확보