HyperAIHyperAI

Command Palette

Search for a command to run...

أهرامات الاستدلال الزائدي لتعلم التضمينات الهرمية

Octavian-Eugen Ganea; Gary Bécigneul; Thomas Hofmann

الملخص

تعلم تمثيلات الرسوم البيانية من خلال التضمينات ذات الأبعاد المنخفضة التي تحتفظ بالخصائص الشبكية ذات الصلة هو فئة مهمة من المشكلات في تعلم الآلة. نقدم هنا طريقة جديدة لتمثيل الرسوم البيانية الموجهة غير الدائرية. وفقًا للبحوث السابقة، ندعو أولاً إلى استخدام الفضاءات الزائدة التي تُظهر قدرتها على نمذجة الهياكل الشجرية بشكل أفضل من الهندسة الإقليدية. ثانيًا، نعتبر العلاقات الهرمية كترتيبات جزئية معرفة باستخدام عائلة من المخاريط المحدبة الجيوديسية المتداخلة. نثبت أن هذه المخاريط الاستدلالية تقبل شكلًا مثاليًا له صيغة مغلقة في كل من الفضاءات الإقليدية والزائدة، وأنها تعين بشكل طبيعي عملية تعلم التضمين. تظهر التجارب تحسينات كبيرة لطريقتنا مقارنة بالأسس القوية الحديثة، سواءً من حيث القدرة التمثيلية أو التعميم.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp