Hans Farrell Soegeng

TT-Sparse：新的神经网络模块学习可解释的布尔规则

研究人员开发了 TT-Sparse，这是一种新颖的神经网络构建模块，旨在提高机器学习的可解释性。该方法利用可微分真值表来学习稀疏连接，从而能够提取紧凑且全局可解释的布尔公式。TT-Sparse 包含一个软 TopK 运算符用于离散特征选择，确保了高效的计算和精确的符号规则提取。在 28 个不同数据集上的实证结果表明，与现有的最先进方法相比，TT-Sparse 在降低复杂性的同时实现了卓越的预测性能。