Машина Цетлина

Машина Цетлина — это алгоритм искусственного интеллекта , основанный на пропозициональной логике .

Машина Цетлина — это форма коллектива обучающихся автоматов для изучения шаблонов с использованием пропозициональной логики . Оле-Кристоффер Гранмо создал ^[1] и дал методу его название в честь Михаила Львовича Цетлина , который изобрел автомат Цетлина ^[2] и работал над коллективами и играми автоматов Цетлина. ^[3] Коллективы автоматов Цетлина были первоначально сконструированы, реализованы и теоретически изучены Вадимом Стефанюком в 1962 году.

Машина Цетлина использует более простые в вычислительном отношении и более эффективные примитивы по сравнению с более обычными искусственными нейронными сетями . ^[4]

По состоянию на апрель 2018 года он показал многообещающие результаты на ряде тестовых наборов. ^{[5] [6]}

• Оригинальная машина Цетлина ^[4]
• Сверточная машина Цетлина ^[7]
• Регрессионная машина Цетлина ^[8]
• Реляционная машина Цетлина ^[9]
• Утяжеленная машина Цетлина ^{[10] [11]}
• Произвольно детерминированная машина Цетлина ^[12]
• Параллельная асинхронная машина Цетлина ^[13]
• Объединенная многовыходная машина Цетлина ^[14]
• Машина Цетлина для контекстных задач о бандитах ^[15]
• Автоэнкодер машины Цетлина ^[16]
• Композиты машин Цетлина: совместная работа по принципу «plug-and-play» между специализированными машинами Цетлина ^{[17] [18]}
• Контрактная машина Цетлина с поглощающими автоматами ^[19]
• Граф Цетлин машина ^[20]

• Поиск ключевых слов ^[21]
• Анализ настроений на основе аспектов ^[22]
• Разрешение словесной неоднозначности ^[23]
• Обнаружение новизны ^[24]
• Обнаружение вторжений ^[25]
• Анализ семантических отношений ^[26]
• Анализ изображения ^[7]
• Категоризация текста ^[27]
• Обнаружение фейковых новостей ^[28]
• Игра в игру ^[29]
• Безбатарейное зондирование ^[30]
• Рекомендательные системы ^[31]
• Вложение слов ^[16]
• Анализ ЭКГ ^[32]
• Периферийные вычисления ^[33]
• Обучение байесовской сети ^[34]
• Федеративное обучение ^[35]

Список гиперпараметров ^[36]

Описание	Символ
Количество двоичных входов	${\displaystyle N_{\text{Inputs}}}$
Количество классов	${\displaystyle N_{\text{Classes}}}$
Количество пунктов на класс	${\displaystyle N_{\text{Clauses}}}$
Число состояний автомата	${\displaystyle 2n}$
Граница принятия решения автоматом	н
Состояние инициализации автомата	${\displaystyle \varnothing _{\text{Init}}}$
Порог обратной связи	Т
Обучение чувствительности	с

Автомат Цетлина является фундаментальной единицей обучения машины Цетлина. Он решает задачу многорукого бандита , обучаясь оптимальному действию в среде с помощью штрафов и поощрений. С вычислительной точки зрения его можно рассматривать как конечный автомат (FSM), который изменяет свои состояния на основе входных данных. FSM будет генерировать свои выходные данные на основе текущих состояний.

• Пятерка описывает двухтактный автомат Цетлина:

$${\displaystyle \{{\underline {\Phi }},{\underline {\alpha }},{\underline {\beta }},F(\cdot ,\cdot ),G(\cdot )\}.}$$

• Автомат Цетлина имеет состояния, здесь 6 :${\displaystyle 2n}$

$${\displaystyle {\underline {\Phi }}=\{\phi _{1},\phi _{2},\phi _{3},\phi _{4},\phi _{5},\phi _{6}\}}$$

• FSM может быть активирован двумя входными событиями

$${\displaystyle {\underline {\beta }}=\{\beta _{\mathrm {Penalty} },\beta _{\mathrm {Reward} }\}}$$

• Правила государственной миграции ФШМ изложены следующим образом:

$${\displaystyle F(\phi _{u},\beta _{v})={\begin{cases}\phi _{u+1},&{\text{if}}~1\leq u\leq 3~{\text{and}}~v={\text{Penalty}}\\\phi _{u-1},&{\text{if}}~4\leq u\leq 6~{\text{and}}~v={\text{Penalty}}\\\phi _{u-1},&{\text{if}}~1<u\leq 3~{\text{and}}~v={\text{Reward}}\\\phi _{u+1},&{\text{if}}~4\leq u<6~{\text{and}}~v={\text{Reward}}\\\phi _{u},&{\text{otherwise}}.\end{cases}}}$$

• Включает два выходных действия

$${\displaystyle {\underline {\alpha }}=\{\alpha _{1},\alpha _{2}\}}$$

• Который может быть сгенерирован алгоритмом

$${\displaystyle G(\phi _{u})={\begin{cases}\alpha _{1},&{\text{if}}~1\leq u\leq 3\\\alpha _{2},&{\text{if}}~4\leq u\leq 6.\end{cases}}}$$

Базовая машина Цетлина принимает вектор из o булевых признаков в качестве входных данных, которые классифицируются по одному из двух классов, или . Вместе со своими отрицательными аналогами, , признаки образуют буквальный набор .${\displaystyle X=[x_{1},\ldots ,x_{o}]}$${\displaystyle y=0}$${\displaystyle y=1}$${\displaystyle {\bar {x}}_{k}={\lnot }{x}_{k}=1-x_{k}}$${\displaystyle L=\{x_{1},\ldots ,x_{o},{\bar {x}}_{1},\ldots ,{\bar {x}}_{o}\}}$

Модель машины Цетлина формулируется как конъюнктивное предложение , образованное путем объединения подмножества буквенного набора с помощью операции И:${\displaystyle C_{j}}$${\displaystyle L_{j}{\subseteq }L}$

     ${\displaystyle C_{j}(X)=\bigwedge _{{l}{\in }L_{j}}l=\prod _{{l}{\in }L_{j}}l}$.

Например, предложение состоит из литералов и выводит 1 тогда и только тогда, когда и .${\displaystyle C_{j}(X)=x_{1}\land {\lnot }x_{2}=x_{1}{\bar {x}}_{2}}$${\displaystyle L_{j}=\{x_{1},{\bar {x}}_{2}\}}$${\displaystyle x_{1}=1}$${\displaystyle x_{2}=0}$

Число используемых предложений — это настраиваемый пользователем параметр n . Половина предложений имеет положительную полярность. Другая половина — отрицательную полярность. Выходы предложений, в свою очередь, объединяются в решение классификации посредством суммирования и порогового значения с использованием функции единичного шага :${\displaystyle u(v)=1~{\text{if}}~v\geq 0~{\text{else}}~0}$

$${\displaystyle {\hat {y}}=u\left(\sum _{j=1}^{n/2}C_{j}^{+}(X)-\sum _{j=1}^{n/2}C_{j}^{-}(X)\right).}$$Другими словами, классификация основана на голосовании большинства, при этом положительные положения голосуют за , а отрицательные — за . Классификатор${\displaystyle y=1}$${\displaystyle y=0}$

     ${\displaystyle {\hat {y}}=u\left(x_{1}{\bar {x}}_{2}+{\bar {x}}_{1}x_{2}-x_{1}x_{2}-{\bar {x}}_{1}{\bar {x}}_{2}\right)}$,

например, фиксирует отношение XOR .

Обратная связь типа I

Действие	Пункт	1		0
	Буквальный	1	0	1	0
Включить буквальное	P(вознаграждение)	${\displaystyle {\frac {s-1}{s}}}$	—	0	0
	П(бездействие)	${\displaystyle {\frac {1}{s}}}$	—	${\displaystyle {\frac {s-1}{s}}}$	${\displaystyle {\frac {s-1}{s}}}$
	П(штраф)	0	—	${\displaystyle {\frac {1}{s}}}$	${\displaystyle {\frac {1}{s}}}$
Исключить буквальное	P(вознаграждение)	0	${\displaystyle {\frac {1}{s}}}$	${\displaystyle {\frac {1}{s}}}$	${\displaystyle {\frac {1}{s}}}$
	П(бездействие)	${\displaystyle {\frac {1}{s}}}$	${\displaystyle {\frac {s-1}{s}}}$	${\displaystyle {\frac {s-1}{s}}}$	${\displaystyle {\frac {s-1}{s}}}$
	П(штраф)	${\displaystyle {\frac {s-1}{s}}}$	0	0	0

Динамика распределения ресурсов гарантирует, что предложения распределяются по частым шаблонам, а не пропускают некоторые и чрезмерно концентрируются на других. То есть, для любого ввода X вероятность усиления предложения постепенно падает до нуля, поскольку сумма выходных предложений

$${\displaystyle v=\sum _{j=1}^{n/2}C_{j}^{+}(X)-\sum _{j=1}^{n/2}C_{j}^{-}(X)}$$приближается к заданной пользователем цели T для ( для ).${\displaystyle y=1}$${\displaystyle -T}$${\displaystyle y=0}$

Если предложение не подкреплено, оно не дает обратной связи своим автоматам Цетлина, и они, таким образом, остаются неизменными. В крайнем случае, когда сумма голосов v равна или превышает целевой T (машина Цетлина успешно распознала вход X ), никакие предложения не подкреплены. Соответственно, они могут свободно изучать новые шаблоны, естественным образом уравновешивая ресурсы представления шаблонов.

• Машина Цетлина на языке C, ^{[37] [38]} Python, ^{[39] [40]} многопоточный Python, ^[41] CUDA , ^[42] Julia (язык программирования) ^[43]
• Сверточная машина Цетлина ^{[44] [7]}
• Взвешенная машина Цетлина в C++ ^[45]

• Одна из первых аппаратных реализаций ^{[46] [47]} машины Цетлина на основе ПЛИС для набора данных цветка ириса была разработана исследовательской группой μSystems (microSystems) в Университете Ньюкасла .
• Они также представили первую реализацию ASIC ^{[48] [49]} машины Цетлина, уделяя особое внимание экономии энергии, заявляя, что она может обеспечить 10 триллионов операций на джоуль. ^[50] Проект ASIC был продемонстрирован на DATA2020. ^[51]

• Введение в машины Цетлина ^[52]

• Международный симпозиум по машине Цетлина (ISTM) ^{[53] [54] [55]}

• Машина Цетлина — новая парадигма для всепроникающего ИИ ^[51]
• Поиск ключевых слов с использованием машин Tsetlin ^[56]
• Презентация IOLTS: Анализ объяснимости и надежности оборудования на основе обучающихся автоматов с искусственным интеллектом ^[57]
• Совместная разработка ПЛИС и МК: демонстрация машины Цетлина на Iris ^{[46] [47]}
• Правитель-Цетлин-Автоматон ^[58]
• Интерпретируемая кластеризация и уменьшение размерности с помощью машинного обучения автоматов Цетлина. ^[59]
• Прогнозирование и объяснение экономического роста с использованием интерпретируемого обучения в реальном времени ^[60]
• Раннее выявление рака груди с помощью простого анализа крови ^[61]
• Последние достижения в области машин Цетлина ^[62]

• О сходимости машин Цетлина для оператора XOR ^[63]
• Разработка энергоэффективного оборудования ИИ на основе обучающихся автоматов для приложений Интернета вещей ^[36]
• О сходимости машин Цетлина для операторов тождества и не ^[64]
• Машина Цетлина — игровой теоретико-бандитский подход к оптимальному распознаванию образов с помощью пропозициональной логики ^[4]

• Маломощная альтернатива нейронным сетям на основе искусственного интеллекта ^[50]
• Может ли норвежское изобретение произвести революцию в области искусственного интеллекта? ^[65]