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。