POMDP의 가치 함수는 PWLC(Piecewise-Linear-Convex) 속성을 가지며, $\alpha$-벡터로 표현될 수 있다. 기존의 POMDP 해결자들은 $\alpha$-벡터에 대한 벨만 백업을 수행하지만, 대규모 문제에서는 계산 비용이 많이 든다. 이 연구에서는 PWLC 속성을 이용하여 POMDP의 가치 함수를 유한한 신경망 집합으로 나타내는 방법을 제시한다. 이를 통해 신경망의 일반화 능력과 기존의 가치 반복 프레임워크를 결합한 새로운 POMDP 계획 알고리즘인 \emph{Neural Value Iteration}을 개발했다. 이 알고리즘은 기존의 오프라인 해결자가 처리할 수 없는 매우 큰 POMDP에서도 거의 최적의 해를 얻을 수 있다.
