二值化神经网络推理的 Sugeno 积分视角
人工智能
2026-04-21 v1 机器学习
摘要
本文建立了二值化神经网络(BNN)与 Sugeno 积分之间的精确联系。Sugeno 积分的优势在于提供一种表示输入重要性及其相互作用的框架，同时等价于一组if-then规则。对于隐藏BNN神经元在推理时的激活阈值测试，我们展示其可表示为二值输入上的 Sugeno 积分。这导致每个神经元决策的显式集合函数表示，以及相关联的规则表示。我们还提供最后一层得分的 Sugeno 积分表达式。最后，我们讨论了相同框架如何适应以支持更丰富输入相互作用，以及如何超越二值化神经网络所诱导的二值情况。
引用
@article{arxiv.2604.17967,
title = {A Sugeno Integral View of Binarized Neural Network Inference},
author = {Ismaïl Baaj and Henri Prade},
journal= {arXiv preprint arXiv:2604.17967},
year = {2026}
}