一种用于半群的神经网络

计算机视觉中的图像重构、推荐系统中的矩阵补全以及图论中的链接预测等任务,在机器学习文献中已被充分研究。本工作中,我们将基于去噪自编码器的神经网络架构应用于有限半群部分乘法(凯莱)表补全任务。我们针对该任务提出一种基于半群数据代数性质的新损失函数。我们还提供了一个软件包,用于开展与本文类似的实验。我们的实验表明,仅用约 10% 的可用数据,即可构建在约 80% 情形下从仅一半数据重构完整凯莱表的模型。