Graph Tsetlin Machine consente l'apprendimento logico profondo su grafi
I ricercatori hanno presentato la Graph Tsetlin Machine (GraphTM), un avanzamento della Tsetlin Machine progettato per derivare clausole profonde interpretabili da dataset strutturati a grafo. A differenza dei modelli tradizionali con input piatto e lunghezza fissa, GraphTM elabora sequenze, griglie, relazioni e dati multimodali attraverso il message passing, costruendo clausole profonde annidate che identificano pattern di sottografi con un numero significativamente inferiore di clausole. Questo miglioramento aumenta sia l'interpretabilità che l'efficienza dei dati. Nei compiti di classificazione delle immagini su CIFAR-10, GraphTM supera una TM convoluzionale di 3,86 punti percentuali in accuratezza, mantenendo l'interpretabilità. Inoltre, GraphTM eccelle nel tracciamento della coreferenza di azioni in scenari più complessi rispetto ad altri approcci di apprendimento per rinforzo. I risultati sono pubblicati su arXiv:2507.14874.
Fatti principali
- GraphTM estende la Tsetlin Machine a input strutturati a grafo.
- Utilizza il message passing per costruire clausole profonde annidate.
- Raggiunge un'accuratezza superiore del 3,86% su CIFAR-10 rispetto alla TM convoluzionale.
- Supera i metodi di apprendimento per rinforzo nel tracciamento della coreferenza di azioni.
- Supporta sequenze, griglie, relazioni e multimodalità.
- Riduce esponenzialmente il numero di clausole per i pattern di sottografi.
- Preserva l'interpretabilità migliorando l'accuratezza.
- Pubblicato su arXiv con ID 2507.14874.
Entità
Istituzioni
- arXiv