关键词hyperbolic neural networks
搜索结果 - 7
- KDDHypformer：在双曲空间完全探索高效的双曲变换器
在超几何模型中使用洛伦兹模型，我们提出了 Hypformer，这是一种新型的超几何变压器，它有效地处理了大规模数据表示和大型模型的问题。
- 节点级图异常检测的三个重访：异常值、消息传递和双曲神经网络
本文针对复杂网络中识别异常实例的图异常检测问题，从深度学习方法学、基准评估方法及超几何神经网络等三个方面展开研究，通过研究发现了改进节点级图异常检测方法的一般策略。
- 为何双曲神经网络有效？关于分层表示能力的研究
通过对超球面神经网络在超球面上的作用进行了广泛的研究和分析，我们提出了一种基准评估 HRC 的方法，并通过大规模实验揭示了 HNNs 的有效性，进一步验证了分析的可靠性。实验表明 HNNs 无法实现理论上的最优嵌入，而 HRC 受到优化目标 - 规模化的双曲图神经网络：一种元学习方法
本文介绍了一种名为超曲线图元学习器（H-GRAM）的新方法，通过从节点的局部子图中学习可传递的归纳偏见和集合超曲线元梯度，实现在处理不相关子图的查询任务上进行更快的学习，并展示了其在多种挑战性的少样本设置中学习和传递信息的有效性，并且相较于 - 核点聚集下的双曲卷积
本文提出了一种新的可训练超几何卷积神经网络 HKConv，它在保持与置换等变和局部邻域平移不变性的同时，能够有效地按照超几何形状学习本地特征，尤其在层次或类似树状数据的嵌入方面表现出色。
- CVPR被修剪的双曲线分类器是超双曲线分类器
研究表明，超几何神经网络 (HNNs) 可以利用它将 Euclidean 空间嵌入到超半球中的表征能力实现更好的分类性能，但该架构连接 Euclidean 表征和超几何分类器存在着梯度消失的问题，本文提出一个简单的解决方法：在训练 HNNs - ACL完全双曲神经网络
本文提出了一种基于洛仑兹模型的完全双曲框架，通过调整洛仑兹变换实现神经网络的基本操作，从而解决了现有双曲网络在欧几里德子空间进行操作的问题并证明了现有双曲网络的能力限制，实验结果展示了该方法在 NLP 任务中表现更优。