Preprint propõe neurônio espectral para ML interpretável

Um novo preprint no arXiv apresenta o “neurônio espectral”, um modelo escalar da forma f(x)=lambda_k(A0 + A1 x1 + ... + An xn), em que matrizes reais simétricas aprendidas definem uma função matricial afim, e a previsão vem de um autovalor. O autor afirma que a abordagem busca ocupar um espaço entre modelos lineares e redes neurais, ampliando a expressividade com a dimensão da matriz enquanto preserva a transparência dos coeficientes por meio das matrizes aprendidas. O post no Reddit traz links para o manuscrito e o código, e diz que o trabalho inclui desenvolvimento matemático, orientações de inicialização e treinamento, além de experimentos com dados sintéticos e reais.