Tsetlin 机器在 IDENTITY 与 NOT 算子上的收敛性分析
人工智能
2021-10-12 v3 机器学习
摘要
Tsetlin 机器（TM）是近年来提出的一种机器学习算法，具有若干独特性质，如可解释性、简洁性和硬件友好性。尽管大量实证评估报道了其性能，但其收敛性的数学分析仍是开放问题。本文中，我们分析仅涉及一个子句的 TM 用于分类时的收敛性。更具体地，我们考察两个基本逻辑算子，即“IDENTITY”与“NOT”算子。我们的分析揭示，仅含一个子句的 TM 能够从训练数据中在无限时间范围内正确收敛到预期的逻辑算子。此外，通过配置粒度参数，它可以捕获任意罕见的模式，并在两个候选模式不相容时选择最准确的一个。这两个基本算子收敛性的分析为分析其他逻辑算子奠定了基础。这些分析从数学角度总体上为 TM 为何在若干模式识别问题上取得最先进性能提供了新见解。
关键词
引用
@article{arxiv.2007.14268,
title = {On the Convergence of Tsetlin Machines for the IDENTITY- and NOT Operators},
author = {Xuan Zhang and Lei Jiao and Ole-Christoffer Granmo and Morten Goodwin},
journal= {arXiv preprint arXiv:2007.14268},
year = {2021}
}
备注
23 pages, 10 figures