SH-WRNN: Имплицитная гармоника веса поля неврологических сетей для асимметричного анализа на обломках

arXiv: 2609.14614v1 Annuate Type: New Habrial: Deep Learning Architectures по-прежнему жестко построены на традиционных полностью связанных слоях. В то время как сети расширяются, мало кто бросает вызов этому фундаментальному корню. В этой работе мы изменяем эту парадигму, преобразовав матрицу синапсового веса ядра из статических дискретных параметров в разное непрерывное поле, регулируемое сферическими гармоническими функциями. Мы введем программу "Имплицитное гармоническое поле Весовой Нейронной сети" (SH-WRNN), которая ограничивает матрицы веса в непрерывном параметрическом поле вместо оптимизации миллионов дискретных локализованных весов. При поиске весовой матрицы текущего слоя параметры соединения локализованы с использованием широты и долготы на прямоугольной плоскости, почерпнутой из непрерывного поля. Широкие координаты определяются активированными нейронами предыдущего слоя, в то время как продольные координаты определяют по ключам предыдущих слоёв активаций через матрицу.