Artykuł przedstawia nową metodę kategoryzacji transformacji w sieciach neuronowych opartą na teorii dekompozycji grup i podziale parametrów. Podejście to umożliwia bardziej systematyczne zrozumienie, jak parametry modelu wpływają na transformacje danych wejściowych. Praca ma znaczenie dla interpretowalności modeli i potencjalnie dla efektywniejszego projektowania architektur neuronowych.