Позиционные признаки для нейросетей-трансформеров на симплициальных комплексах

В данной работе рассматривается применение трансформерных нейросетей для классификации узлов в симплициальных комплексах, что представляет собой важное направление в анализе сложных сетевых структур. Исследование ориентировано на изучение и сравнение эффективности традиционных и позиционных признаков, вычисленных на основе графовых и симплициальных данных. Основной целью работы является разработка модели трансформера, способной эффективно обрабатывать разнообразные признаки и проводить классификацию с высокой точностью. В ходе исследования были выполнены следующие задачи:  разработка и реализация методов для извлечения и обработки данных из симплициальных комплексов;  извлечение и анализ традиционных (one-hot encoding) и позиционных признаков (центральности, треугольники, пирамиды);  моделирование и обучение нейросетевого трансформера на основе выделенных признаков;  оценка эффективности модели на основе сравнительного анализа различных типов признаков. Результаты работы показывают, что применение позиционных признаков в моделях трансформеров значительно улучшает качество классификации по сравнению с традиционными методами, что делает данный подход перспективным для анализа сложных сетей в различных научных и прикладных областях. Работа содержит 44 страницы, 24 иллюстрации, 10 источников литературы, 1 таблицу. Ключевые слова: трансформеры, нейросети, симплициальные комплексы, классификация узлов, позиционные признаки, машинное обучение, анализ сетей.