Lincen Yang

新的概率性规则集方法增强了AI的可解释性

研究人员推出了一种新颖的、真正无序且概率性的规则集学习方法TURS。该方法解决了现有基于规则的系统中的局限性，例如规则之间强制存在显式或隐式顺序以及处理重叠规则的困难。TURS旨在通过仅允许输出相似概率的规则重叠来提高模型的可解释性和预测性能。所提出的算法基于最小描述长度（MDL）原理，在学习具有较低复杂度和经验上独立规则的规则集的同时，展现出与其他基于规则的方法相比具有竞争力的性能。