أثبتت الشبكات العصبية فعاليتها بشكل كبير في معالجة البيانات غير المهيكلة مثل الصور والنصوص والفيديوهات والصوت. ومع ذلك، لوحظ أن أدائها ليس بالمستوى المطلوب في البيانات الجدولية؛ ولذلك يُفضل استخدام النماذج القائمة على الأشجار في مثل هذه السيناريوهات. من بين النماذج الشائعة للبيانات الجدولية، الأشجار المعززة (boosted trees)، وهي طريقة تعلم آلي ذات كفاءة عالية واستخدام واسع، كما أنها توفر قابلية تفسير جيدة مقارنة بالشبكات العصبية. في هذا البحث، نصف بنية جديدة تسمى XBNet، والتي تحاول دمج النماذج القائمة على الأشجار مع الشبكات العصبية لإنشاء بنية قوية يتم تدريبها باستخدام تقنية الأمثلة الجديدة المعروفة بـ "الهبوط التدرجي المعزز للبيانات الجدولية" (Boosted Gradient Descent for Tabular Data)، مما يزيد من قابليتها للتفسير وأدائها.