구성 요소의 통일
계층적 자료를 다루는 쌍곡 신경망의 기본 요소를 하나의 기하 모형에서 일반화한다. 여러 연산을 각각 따로 처리하기보다 같은 수학적 해석 아래에 구성하는 것이 목표다.
다루는 신경망 층
다항 로지스틱 회귀와 완전 연결층 및 합성곱층을 구성하고 어텐션까지 포함한다. 연구에서 제안한 구성은 이를 위해 파라미터 수를 늘리지 않는 방향으로 설계됐다.
효율과 안정성의 평가
기존 쌍곡 구성 요소와 파라미터 효율을 비교하고 유클리드 공간의 대응 모형과 안정성 및 성능을 평가했다. 쌍곡 공간 선택뿐 아니라 그 안의 연산 정의가 중요하다는 관점을 다룬다.
관련 문서
쌍곡 신경망 / 푸앵카레 임베딩 / HGCN 쌍곡 그래프 합성곱 / 어텐션 / 합성곱 신경망 / 임베딩