王振楠博士研究生、邹文斌副教授、徐晨教授发表的论文题目为“PR Product: A Substitute for Inner Product in Neural Networks”，从几何角度对标准内积进行分析，提出将投影向量和背离向量的模长信息结合起来，得到新型的内积—PR Product（投影背离积）。相比于标准内积，PR Product保持了前向传播不变而改变了反向传播时的梯度。实验表明，PR Product往往会增加模型的泛化能力。

相关论文请见：

https://arxiv.org/abs/1904.13148