CAffNet：硬约束仿射神经网络
机器学习
2026-05-26 v1
摘要
我们提出了一种新框架，用于在神经网络（NN）架构中嵌入硬约束满足，具体包括前馈神经网络和变换器，输入依赖的任意基数仿射约束。传统的约束强制方法要么依赖基于惩罚的软约束，这些方法无法保证满足，要么依赖在 NN 训练后进行后处理的方法，以强制满足约束，这可能导致次优解。我们引入一种可训练的约束-仿射（CAffine）层到 NN 中，得到 CAffNet，它不仅能通过固定正交或平行投影来实现仿射约束，还能与网络参数联合优化。此外，我们对约束空间维度不作任何限制，并证明我们的构造保留了 NN 的通用逼近属性，同时为所有输入提供约束遵从的可证明保证。实验验证表明，该方法在需要保证约束满足的各类领域中表现出稳健的性能。
引用
@article{arxiv.2605.24437,
title = {CAffNet: Hard Constraint-Affine Neural Networks},
author = {Yang Zhao and Jungeun Lee and Jeong hwan Jeon and Sze Zheng Yong},
journal= {arXiv preprint arXiv:2605.24437},
year = {2026}
}