في هذه الدراسة، نقترح استخدام أدوات هندسية معلوماتية لتحسين بنية شبكة عصبية رسمية، مثل شبكات الت convolution الرسومية. وبشكل أكثر تحديدًا، نطور خوارزميات تحسين لتعلم نصف مُراقب مبني على الرسوم من خلال استغلال معلومات الجريدينت الطبيعي في عملية التحسين. يمكّننا هذا من استغلال هندسة النموذج الإحصائي الكامن أو فضاء المعاملات بشكل فعّال من أجل التحسين والاستنتاج. إلى حد معرفتنا، تُعد هذه الدراسة الأولى التي توظف الجريدينت الطبيعي لتحسين شبكات العصب الرسومية، ويمكن توسيعها لتطبيقات نصف مُراقبة أخرى. وقد تم تطوير خوارزميات حسابية فعّالة وإجراء دراسات عددية واسعة النطاق لتوضيح الأداء المتفوّق لخوارزمياتنا مقارنةً بالخوارزميات الحالية مثل ADAM وSGD.