Effiziente Verarbeitung und Analyse von Simplexdaten mithilfe von Zufallswegen und 1D-Faltungen
Wir präsentieren SCRaWl, eine neuartige neuronale Netzwerkarchitektur für Simplexkomplexe, die Zufallswege auf höheren Simplizes nutzt, um höhere Beziehungen zwischen Entitäten in das neuronale Netzwerk einzubinden. Dies führt zu einer Architektur, die sich von bestehenden simplizial-neuronalen Netzwerken unterscheidet und deren Ausdruckskraft nicht mit der von Nachrichten-Passing-Ansätzen vergleichbar ist.