基于神经向量的表格数据学习：一种新的神经网络方法
机器学习
2025-06-10 v1
摘要
本文提出了一种基于神经向量（Neurovectors）的新型学习方法，这是一种创新的范例，通过 interconnected nodes 和向量关系来结构化信息，以处理表格数据。 不同于依赖通过反向传播调整权重的传统人工神经网络，神经向量通过在向量空间中对数据进行编码来编码信息，能量传播而非传统权重更新驱动学习过程，从而实现更灵活和可解释的学习过程。该方法通过神经向量生成知识的动态表示，从而提高了预测模型的可解释性和效率。我们报告了使用来自众所周知存储库（如 UCI 机器学习存储库和 Kaggle）中的数据集进行的分类和回归实验结果。为评估其性能，我们将其方法与标准机器学习和深度学习模型进行比较，表明神经向量在准确率方面实现了有竞争力的性能。
引用
@article{arxiv.2506.07185,
title = {Learning based on neurovectors for tabular data: a new neural network approach},
author = {J. C. Husillos and A. Gallego and A. Roma and A. Troncoso},
journal= {arXiv preprint arXiv:2506.07185},
year = {2025}
}
备注
Submitted to 25th IEEE International Conference on Data Mining (ICDM 2025)