以图信号处理为计算主干的完全频谱神经符号推理架构
人工智能
2025-08-22 v1
摘要
我们提出了一种完全频谱的神经符号推理架构，该架构以图信号处理（GSP）作为集成符号逻辑与神经推理的主要计算主干。与将频谱图方法视为外围组件的传统推理模型不同，我们的方法将整个推理流程构建在图频谱域中。逻辑实体和关系被编码为图信号，通过控制多尺度信息传播的可学习频谱滤波器进行处理，并映射为符号谓词以进行基于规则的推理。我们提出了一个完整的频谱推理数学框架，包括图傅里叶变换、频带选择性注意力以及频谱规则接地。在基准推理数据集（ProofWriter、EntailmentBank、bAbI、CLUTRR 和 ARC-Challenge）上的实验表明，与最先进的神经符号模型相比，该方法在逻辑一致性、可解释性和计算效率方面均有提升。我们的结果表明，GSP 为鲁棒且可解释的推理系统提供了数学上严谨且计算高效的基底。
引用
@article{arxiv.2508.14923,
title = {A Fully Spectral Neuro-Symbolic Reasoning Architecture with Graph Signal Processing as the Computational Backbone},
author = {Andrew Kiruluta},
journal= {arXiv preprint arXiv:2508.14923},
year = {2025}
}