这里可以查看所有论文。由于作者book只更新到第二章剩下的只有从论文中学习,但书中的目录和论文可以由于对应起来。第一二章可以对应到第一篇论文,这里。
一种博弈论驱动的使用命题逻辑的最优模式识别方法
尽管单独而言很简单,但人工神经元在深度网络中互连时可提供最先进的性能。 可以说,Tsetlin 自动机是一种更简单、更通用的学习机制,能够解决多臂老虎机问题。仅通过单个整数作为内存,它通过递增和递减操作来学习随机环境中的最佳动作。 在本文中,我们介绍了 Tsetlin 机,它通过命题公式解决复杂的模式识别问题,由 Tsetlin 自动机的集合组成。 为了消除信噪比消失这一长期存在的问题,Tsetlin Machine 使用一种新颖的游戏来协调自动机。 此外,输入、模式和输出都表示为位,而识别和学习则依赖于位操作,从而简化了计算。 我们的理论分析表明,游戏的纳什均衡与提供最佳模式识别准确性的命题公式相一致。 这意味着学习没有局部最优,只有全局最优。 在五个基准测试中,与 SVM、决策树、随机森林、朴素贝叶斯分类器、逻辑回归和神经网络相比,Tsetlin 机器提供了具有竞争力的准确性。 我们进一步证明命题公式如何促进解释。 总之,我们相信高精度、可解释性和计算简单性的结合使 Tsetlin 机器成为广泛领域的有前途的工具。
2 3 5