神经符号决策树
人工智能
2025-03-13 v1 机器学习
计算机科学中的逻辑
摘要
神经符号（NeSy）AI 研究神经网络（NN）与基于逻辑的符号推理的集成。通常，NeSy 技术侧重于学习 NeSy 模型的神经、概率和/或模糊参数。而学习这些模型的符号或逻辑结构迄今为止受到较少关注。我们提出神经符号决策树（NDTs），作为决策树的扩展，伴随一种新颖的 NeSy 结构学习算法，即 NeuID3。NeuID3 采用标准的自上而下决策树算法 induction 方法，并结合来自 DeepProbLog 系列模型继承的神经概率逻辑表示。使用 NeuID3 学习 NDTs 的关键优势在于支持符号和次符号数据（如图像），并且可以在 induction 树结构时利用背景知识。在实验评估中，我们展示了 NeSy 结构学习相对于更传统的方法（如纯数据驱动的神经网络学习）的优势。
关键词
引用
@article{arxiv.2503.08762,
title = {Neurosymbolic Decision Trees},
author = {Matthias Möller and Arvid Norlander and Pedro Zuidberg Dos Martires and Luc De Raedt},
journal= {arXiv preprint arXiv:2503.08762},
year = {2025}
}