Assimilator: 분류 및 회귀 작업을 위한 신경망 아키텍처

기계 학습의 맥락에서 동화기는 분류 및 회귀 작업을 모두 수행하도록 설계된 일종의 신경망 아키텍처입니다. "어시밀레이터"라는 용어는 전통적인 분류 모델(예: 로지스틱 회귀)의 장점과 심층 신경망의 기능을 결합하는 방법으로 이 아키텍처를 개발한 Google 연구원에 의해 만들어졌습니다. 각 작업에 대해 별도의 모델을 사용하는 대신 분류 및 회귀 작업을 모두 수행하는 단일 신경망입니다. 이를 통해 모델은 두 가지 예측 유형 모두에 사용할 수 있는 데이터의 공유 표현을 학습할 수 있으므로 성능이 향상되고 보다 효율적인 교육이 가능해집니다. 동화기 아키텍처는 분류 분기와 회귀 분기라는 두 가지 주요 구성 요소로 구성됩니다. 분류 분기는 일반적으로 가능한 클래스에 대한 확률 분포를 생성하는 소프트맥스 출력 레이어가 있는 완전히 연결된 신경망입니다. 회귀 분기도 완전히 연결된 신경망이지만 출력 레이어가 없으므로 제품 가격과 같은 연속 값을 예측하는 데 사용할 수 있습니다. 분류 및 회귀 손실 함수의 조합을 사용합니다. 이를 통해 모델은 두 작업 모두에 유용한 데이터의 공유 표현을 학습하는 동시에 각 작업의 특정 요구 사항을 전문화할 수 있습니다. 분류 및 회귀는 단일 매개변수 세트만 학습하면 되기 때문입니다. 또한 동화자가 학습한 공유 표현은 클러스터링이나 이상 탐지와 같은 다른 작업에 유용할 수 있습니다.