超几何神经网络利用双曲空间嵌入提升分类与分层结构建模，但存在梯度消失问题。研究通过裁剪欧氏表征幅度稳定训练，在MNIST、CIFAR等基准上提升鲁棒性与分布外检测。多项工作将双曲几何引入逻辑回归、前馈、循环、卷积及图神经网络，构建HGCN、HNHN等模型，在链路预测和节点分类上显著优于欧氏模型，并能以低维嵌入保持树结构。