超几何神经网络表示潜在树结构的容量界限
原文中文，约400字，阅读约需1分钟。发表于：。通过 ReLU 激活函数，我们研究了深度双曲神经网络（HNNs）的表示容量，证明了 HNNs 能够将任何有限加权树以 ε- 等度量嵌入到至少二维的带有给定曲率 κ<0 的双曲空间中，其中 ε>1（ε=1 时最优）。我们在实现嵌入的 HNN 上建立了网络复杂性的严格上界，发现实现图形表示的 HNN 的网络复杂性与表示保真度 / 失真率无关。我们将这一结果与在嵌入一个具有 $L>2^d$...
本文研究了深度双曲神经网络（HNNs）的表示容量，证明了HNNs能够将任何有限加权树嵌入到带有给定曲率的双曲空间中。与ReLU多层感知器（MLP）相比，HNN的网络复杂性与表示保真度/失真率无关。
