في عدة مجالات، يمكن تفكيك كائنات البيانات إلى مجموعات من الكائنات البسيطة. ومن الطبيعي تمثيل كل كائن على أنه مجموعة من مكوناته أو أجزائه. ومع ذلك، فإن العديد من الخوارزميات التقليدية للتعلم الآلي غير قادرة على معالجة هذا النوع من التمثيلات، نظرًا لأن المجموعات قد تختلف في العددية وأن العناصر تفتقر إلى ترتيب ذي معنى. في هذه الورقة البحثية، نقدم هندسة عصبية جديدة تسمى RepSet (تمثيل المجموعة)، والتي يمكنها التعامل مع الأمثلة التي يتم تمثيلها كمجموعات من المتجهات. يقوم النموذج المقترح بحساب العلاقات بين مجموعة الإدخال وبعض المجموعات الخفية عن طريق حل سلسلة من مشاكل التدفق الشبكي. ثم يتم إطعام هذا التمثيل لهندسة عصبية تقليدية لإنتاج النتيجة. تسمح هذه الهندسة بالتعلم القائم على التدرج من البداية إلى النهاية. نوضح استخدام RepSet في مهام تصنيف، بما في ذلك تصنيف النصوص وتصنيف الرسوم البيانية، ونظهر أن الشبكة العصبية المقترحة تحقق أداءً أفضل أو مكافئًا لخوارزميات الطليعة الحالية.