面向精确原像的表征学习框架 TRIO

研究人员提出 TRIO 框架，通过原像分解解决神经网络在前向表达力、精确原像恢复与原像逆优化间的权衡难题。该方法使前向模型保留非线性径向变换，在求逆时则简化为标量半径生成显式几何水平集，在线性目标下可获闭式全局解。团队通过通用逼近定理证明，TRIO 能任意逼近连续前向映射及其潜在不连通、非凸的原像集合。