超越神经网络：基于小波逻辑图信号的符号推理
机器学习
2025-07-30 v1
摘要
我们提出一种完全非神经学习框架，基于图拉普拉斯小波变换（GLWT）。不同于依赖卷积、循环或注意力机制神经网络的传统架构，本模型纯粹在图谱域上运作，运用结构化的多尺度滤波、非线性收缩以及小波系数的符号逻辑。定义在图节点上的信号经GLWT分解，经可解释的非线性函数调制后重构，用于下游任务如去噪和标记分类。该系统通过图小波激活的符号域特定语言（DSL）支持组合推理。实验在合成图去噪和语言标记图上表明，与轻量级图神经网络（GNN）相比，具备更高的透明度和效率。本工作提出了一种基于希尔伯特信号处理的原则性、可解释且资源高效的替代方案，用于图上的学习。
引用
@article{arxiv.2507.21190,
title = {Beyond Neural Networks: Symbolic Reasoning over Wavelet Logic Graph Signals},
author = {Andrew Kiruluta and Andreas Lemos and Priscilla Burity},
journal= {arXiv preprint arXiv:2507.21190},
year = {2025}
}