본 논문은 조건부 신경 프로세스와 개념적으로 동등하며 다양한 신경망에 적용 가능한 정규화 형태를 갖춘 새로운 손실 함수인 공분산 손실(Covariance Loss)을 제안합니다. 제안된 손실 함수를 사용하면 입력 변수에서 목표 변수로의 매핑이 목표 변수의 종속성뿐만 아니라 입력 및 목표 변수의 평균 활성화 및 평균 종속성에도 크게 영향을 받습니다. 이러한 특성으로 인해 결과적인 신경망은 잡음이 많은 관측치에 대해 더욱 강력해지고 사전 정보에서 누락된 종속성을 재구성할 수 있습니다. 제안된 손실 함수의 유효성을 보여주기 위해 최첨단 모델을 사용하여 실제 데이터 세트에 대한 광범위한 실험을 수행하고 제안된 공분산 손실의 장점과 단점을 논의합니다.
