محققان در یک پژوهش جامع و جسورانه، عملکرد شبکههای عصبی گراف ناهمگون (HGNN) را زیر ذرهبین بردند. برخلاف تصور رایج که این مدلها را به دلیل ساختار پیچیدهتر، قدرتمندتر از مدلهای معمولی میدانند، نتایج این بررسی روی ۲۱ مجموعه داده نشان میدهد که معماری مدل و پیچیدگی آن تأثیر علی مستقیمی بر بهبود طبقهبندی گرهها ندارد!
این تحقیق با استفاده از تحلیل میانجیگری علی، به دنبال کشف ریشههای واقعی بهبود عملکرد در مدلهای هوش مصنوعی است. یافتههای این چنینی به ما کمک میکند تا در انتخاب معماریهای سنگین و پیچیده، هوشمندانهتر عمل کنیم.
منبع: arXiv AI