TMComposites：专用 Tsetlin Machine 间的即插即用协作

Tsetlin Machine（TM）提供了从基于算术到基于逻辑的机器学习的根本性转变。在支持卷积的情况下，它们成功处理了 MNIST、Fashion-MNIST 和 CIFAR-2 等图像分类数据集。然而，TM 在 CIFAR-10 和 CIFAR-100 等代表更复杂任务的数据集上难以取得最先进的性能。本文引入专用 TM 之间的即插即用协作，称为 TM Composites。该协作依赖于 TM 在学习期间专精化并在推理期间评估其能力的特点。组队时，最自信的 TM 做出决策，减轻不确定者的负担。以此方式，TM Composite 变得比其成员更具能力，受益于它们的专精化。该协作是即插即用的，因为成员可随时以任何方式组合，无需微调。我们在实证评估中实现了三种 TM 专精化：梯度直方图、自适应高斯阈值化和颜色温度计。所得的 TM Composite 在 Fashion-MNIST 上准确率提升两个百分点，在 CIFAR-10 上提升十二个点，在 CIFAR-100 上提升九个点，为 TM 取得了新的最先进结果。总体而言，我们设想 TM Composites 将在更多任务和数据集上提供超低能耗且透明的、替代最先进深度学习的方案。