Topologisk djupinlärning
Topologisk djupinlärning (TDL) är ett ramverk som utvidgar djupinlärning bortom grafer till högre ordningens topologiska domäner såsom simpliciella komplex, cellkomplex och hypergrafer. Formaliserat av Hajij et al. (2023) tillhandahåller TDL ett enhetligt matematiskt språk för att definiera meddelandepassningsscheman över celler av olika rang, vilket möjliggör för neurala nätverk att modellera flerfaldiga interaktioner som parvisa grafkanter inte kan fånga. Det är relevant för forskare som arbetar med relationell, geometrisk eller biologisk data som uppvisar gruppnivåberoenden.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Hajij, M., et al. (2023). Topological deep learning: Going beyond graph data. arXiv preprint. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Topological Deep Learning. ScholarGate. https://scholargate.app/sv/topology/topological-deep-learning
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- GrafneuralnätverkNätverksanalys↔ jämför
- Mapper-algoritmenTopologi↔ jämför
- Persistent homologiTopologi↔ jämför
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →