Buchumschlag

Why are hyperbolic neural networks effective? A study on hierarchical representation capability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Shicheng, Zhao, Huanjing, Zhao, Shu, Zhang, Yanping
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

sHGCN: Simplified hyperbolic graph convolutional neural networks
von: Arévalo, Pol, et al.
Veröffentlicht: (2025)

Addressing divergent representations from causal interventions on neural networks
von: Grant, Satchel, et al.
Veröffentlicht: (2025)

SleepGMUformer: A gated multimodal temporal neural network for sleep staging
von: Zhao, Chenjun, et al.
Veröffentlicht: (2025)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Advanced atom-level representations for protein flexibility prediction utilizing graph neural networks
von: Sarparast, Sina, et al.
Veröffentlicht: (2024)

Task complexity shapes internal representations and robustness in neural networks
von: Jankowski, Robert, et al.
Veröffentlicht: (2025)

Topological derivative approach for deep neural network architecture adaptation
von: Krishnanunni, C G, et al.
Veröffentlicht: (2025)

Causal invariant geographic network representations with feature and structural distribution shifts
von: Wang, Yuhan, et al.
Veröffentlicht: (2025)

Pre-Training and Prompting for Few-Shot Node Classification on Text-Attributed Graphs
von: Zhao, Huanjing, et al.
Veröffentlicht: (2024)

Human alignment of neural network representations
von: Muttenthaler, Lukas, et al.
Veröffentlicht: (2022)

SE3Set: Harnessing equivariant hypergraph neural networks for molecular representation learning
von: Wu, Hongfei, et al.
Veröffentlicht: (2024)

A simple connection from loss flatness to compressed neural representations
von: Chen, Shirui, et al.
Veröffentlicht: (2023)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Incorporating uncertainty quantification into travel mode choice modeling: a Bayesian neural network (BNN) approach and an uncertainty-guided active survey framework
von: Zheng, Shuwen, et al.
Veröffentlicht: (2024)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

On convex decision regions in deep network representations
von: Tětková, Lenka, et al.
Veröffentlicht: (2023)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

ASTRO: Adaptive Stitching via Dynamics-Guided Trajectory Rollouts
von: Yu, Hang, et al.
Veröffentlicht: (2025)

Latent label distribution grid representation for modeling uncertainty
von: Sun, ShuNing, et al.
Veröffentlicht: (2025)

Applying graph neural network to SupplyGraph for supply chain network
von: Han, Kihwan
Veröffentlicht: (2024)

A comparative analysis of a neural network with calculated weights and a neural network with random generation of weights based on the training dataset size
von: Geidarov, Polad
Veröffentlicht: (2025)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

Geometry of naturalistic object representations in recurrent neural network models of working memory
von: Lei, Xiaoxuan, et al.
Veröffentlicht: (2024)

A quatum inspired neural network for geometric modeling
von: Du, Weitao, et al.
Veröffentlicht: (2024)

When narrower is better: the narrow width limit of Bayesian parallel branching neural networks
von: Zhang, Zechen, et al.
Veröffentlicht: (2024)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

Dopamine-driven synaptic credit assignment in neural networks
von: Nambusubramaniyan, Saranraj, et al.
Veröffentlicht: (2025)

Deep neural networks have an inbuilt Occam's razor
von: Mingard, Chris, et al.
Veröffentlicht: (2023)