Pembelajaran Dalam Topologis
Pembelajaran Dalam Topologis (TDL) adalah sebuah kerangka kerja yang memperluas pembelajaran dalam (deep learning) melampaui graf ke domain topologis tingkat lebih tinggi seperti kompleks simplisial, kompleks sel, dan hipergraf. Diformalisasi oleh Hajij dkk. (2023), TDL menyediakan bahasa matematika terpadu untuk mendefinisikan skema penerusan pesan (message-passing) di antara sel-sel dengan peringkat berbeda, memungkinkan jaringan saraf untuk memodelkan interaksi multi-arah yang tidak dapat ditangkap oleh sisi graf berpasangan. Ini relevan bagi peneliti yang bekerja dengan data relasional, geometris, atau biologis yang menunjukkan ketergantungan tingkat kelompok.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Hajij, M., et al. (2023). Topological deep learning: Going beyond graph data. arXiv preprint. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Topological Deep Learning. ScholarGate. https://scholargate.app/id/topology/topological-deep-learning
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Jaringan Saraf GrafAnalisis Jaringan↔ bandingkan
- Algoritma MapperTopologi↔ bandingkan
- Homologi PersistenTopologi↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →