研究表明，分层数据在双曲空间中能够生成低维且高信息量的表示。本文聚焦于原型双曲神经网络，探讨高维情况下双曲嵌入的收敛性及其对少样本分类的影响，结果表明固定半径编码器能显著提升性能。

最近的研究发现，双曲空间中的分层数据能够产生低维度和高信息量的表示。本文研究了原型双曲神经网络在高维度情况下的收敛性和对少样本分类的影响。结果显示，通过双曲嵌入可以得到最佳的少样本结果。配备欧几里德度量的固定半径编码器可以获得更好的性能。