📈 経済学
Learned Attention or Mechanical Flattening? Diagnosing Index Gains in Spillover Networks
本研究は、グラフ・アテンション層をスピルオーバー・ネットワーク・モデルに加えることで総連結性指数が増大するものの、この利得は学習されたアテンションによる真の改善というよりは、分散の再分配による機械的なアーティファクトである可能性が高いことを示しており、なぜなら、単純な一様行列への収縮（シュリンケージ）が、より低い誤差で同一の結果をもたらすからである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。