探索超维向量对Tsetlin机器人的影响
机器学习
2024-06-06 v1 人工智能
摘要
Tsetlin机器人（TMs）在多个应用领域取得了成功，能够高效地处理布尔输入数据的表示。然而，对复杂数据结构（如序列、图、图像、信号谱、化合物和自然语言）进行布尔化并不简单。本文提出一种基于超向量（HV）的方法，用于表达与任意输入数据相关联的任意大概念集合。使用超维空间构建向量可极大扩展TMs的容量和灵活性。我们展示了如何根据所提出的方法对图像、化合物和自然语言文本进行编码，并表明所得到的HV驱动的TMs在众所周知的基准测试上可实现显著更高的准确率和更快的学习速度。我们的结果为TMs开辟了新的研究方向，即如何扩充和利用在超空间内的运作优势，包括新的布尔化策略、TMs推理和学习的优化，以及新的TMs应用。
关键词
引用
@article{arxiv.2406.02648,
title = {Exploring Effects of Hyperdimensional Vectors for Tsetlin Machines},
author = {Vojtech Halenka and Ahmed K. Kadhim and Paul F. A. Clarke and Bimal Bhattarai and Rupsa Saha and Ole-Christoffer Granmo and Lei Jiao and Per-Arne Andersen},
journal= {arXiv preprint arXiv:2406.02648},
year = {2024}
}
备注
9 pages, 17 figures