본 논문은 신경망의 가지치기(pruning) 과정에서 발생하는 성능 저하 문제를 해결하기 위해, 희소성(sparsity)과 평탄성(flatness)을 동시에 고려하는 새로운 가지치기 방법을 제안합니다. 희소성 제약 조건 하에서 평탄성을 목표 함수로 하는 최적화 문제를 설정하고, 증강 라그랑주 쌍대 접근법과 일반화된 투영 연산을 통해 SAFE 및 SAFE$^+$라는 새로운 가지치기 방법을 개발했습니다. 이미지 분류 및 언어 모델링 작업에 대한 광범위한 실험 결과, SAFE는 기존 방법들에 비해 경쟁력 있는 성능을 보이며, 희소하면서도 일반화 성능이 향상된 신경망을 생성하는 것을 확인했습니다. 또한, 노이즈 데이터에 대한 강건성도 입증되었습니다.
