본 논문은 심층 신경망을 이용한 지도 학습 분류의 최적화 메커니즘을 확률 분포 추정 관점에서 탐구합니다. Fenchel-Young 손실 함수를 사용할 때, 모델 파라미터에 대한 적합 오차의 비볼록성에도 불구하고, 기울기 크기와 구조적 오차를 동시에 최소화함으로써 전역 최적 해를 근사할 수 있음을 보입니다. 기울기 크기는 경사 하강 알고리즘을 통해 제어할 수 있으며, 구조적 오차는 파라미터 수를 늘리고 파라미터 독립성을 보장함으로써 관리할 수 있음을 증명합니다. 이는 과매개화 및 무작위 초기화와 같은 메커니즘에 대한 이론적 통찰력을 제공합니다. 최종적으로 실험 결과를 통해 제안된 방법의 주요 결론을 검증하고 실용적 효과를 보여줍니다.
