arXiv 机器学习· Alex Chan, Shafi Muhtasim Chowdhury, Ekin Can Erku\c{s}, Ole-Christoffer Granmo, Alex Yakovlev, Rishad Shafik·· 6 小时前AI 评分35
CRISP：基于子句重构的可解释神经符号命题框架
CRISP: A Framework for Clause-Reconstructed Interpretable NeuroSymbolic Propositions
AI 导读
CRISP 框架通过将二值神经网络教师模型的最后一层激活向量（LLAV）重构为 Tsetlin 机（TM）命题子句，实现了从输入特征阈值到神经元的直接符号化追踪。在 SVHN 和 FMNIST 等基准测试中，四分位数 1-bit 布尔化在 SVHN 上达到 87.52% 的测试保真度，重构的 LLAV 在 FMNIST 上保留了 78.41% 的教师分类头准确率。
来源：arXiv 机器学习 · arxiv.org