연구진이 신경 하이퍼그래프의 파라미터 폭증 문제를 해결하는 새로운 파라미터화 방식을 제안했어요. 이 방식은 스펙트럴 속성을 활용해 가중치 공유를 통해 계산 비용을 줄여요.
N-bit 패리티 작업 벤치마크 테스트에서 스펙트럴 Higher-Order Neural Networks (SHONNs)가 의미 있는 성능 향상과 해석 가능성을 보여줬어요.
SHONNs는 다양하고 조정 가능한 가설 공간을 가지고 있으며, 표현력 경계가 뚜렷하다는 점이 확인됐어요.