Makalah ini memperkenalkan JacNet, sebuah arsitektur jaringan saraf yang secara langsung mempelajari Jacobian dari fungsi input-output alih-alih pemetaannya sendiri. Pendekatan ini memungkinkan kontrol yang tepat atas sifat-sifat turunan, memungkinkan penerapan prior struktural seperti invertibilitas dan kontinuitas k-Lipschitz.
- Model memastikan bahwa fungsi yang dipelajari dijamin invertibel, memungkinkan komputasi invers dengan mudah.
- Menunjukkan kemampuan untuk menerapkan batasan 1-Lipschitz pada pemetaan yang dipelajari.
- Metode ini menyediakan mekanisme untuk memasukkan pengetahuan prior tentang pemetaan sejati ke dalam proses pembelajaran.
Dengan menyusun turunan secara langsung, JacNet menawarkan cara untuk mempelajari aproksimasi yang memenuhi sifat-sifat matematika spesifik yang diperlukan untuk aplikasi tertentu.