محققان در پژوهشی جدید به سراغ بررسی «هولونومی» در شبکههای عصبی دستهبندیشده رفتهاند تا ببینند آیا معماریهای هندسی واقعاً از مکانیسمهای چرخش و تقارن برای پیشبینی استفاده میکنند یا خیر!
در این مطالعه، دانشمندان با استفاده از اندازهگیریهای مستقل از مبنا، متوجه شدند که شبکههای عصبی Sheaf با یادگیری چرخشی (Rotation)، عملکرد بهتری در مسائل هندسی و گرافهای پیچیده دارند. این تحقیق گام مهمی برای درکِ عمیقترِ فرآیندهای محاسباتی در مدلهای هندسیِ هوش مصنوعی است که نشان میدهد این مدلها چگونه اطلاعاتِ ساختاری را در فضای نهان پردازش میکنند. 📐🤖
منبع: arXiv Machine Learning