研究发现，双曲空间中的分层数据可以生成低维高信息量的表示，但在图像识别中优化较难。本文探讨了原型双曲神经网络，特别是高维双曲嵌入的收敛性及其对少样本分类的影响。结果表明，最佳少样本结果通过共同双曲半径嵌入获得，使用欧几里德度量的固定半径编码器可提升性能。

本文研究了双曲空间中的分层数据表示和双曲嵌入在高维度情况下的收敛性，以及其对少样本分类的影响。研究表明，最佳的少样本结果是通过在共同的双曲半径下得到的双曲嵌入得到的。

本文研究了双曲空间中的分层数据表示及其对少样本分类的影响。研究表明，最佳结果是通过在共同的双曲半径下得到的双曲嵌入得到的。通过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。