La Machine de Tsetlin -- Une Approche Optimale de Reconnaissance de Modèles Guidée par une Bandit Théorique des Jeux avec la Logique Propositionnelle

Bien que simples individuellement, les neurones artificiels offrent des performances de pointe lorsqu'ils sont interconnectés dans des réseaux profonds. On peut soutenir que l'Automate de Tsetlin est un mécanisme d'apprentissage encore plus simple et polyvalent, capable de résoudre le problème du bandit multi-bras. Grâce à un seul entier en tant que mémoire, il apprend l'action optimale dans des environnements stochastiques par le biais d'opérations d'incrémentation et de décrémentation. Dans cet article, nous présentons la Machine de Tsetlin, qui résout des problèmes complexes de reconnaissance de motifs à l'aide de formules propositionnelles, composées par une collectivité d'Automates de Tsetlin. Pour éliminer le problème ancien du rapport signal-bruit qui tend vers zéro, la Machine de Tsetlin orchestre les automates en utilisant un nouveau jeu. De plus, les entrées, les motifs et les sorties sont exprimés sous forme de bits, tandis que la reconnaissance et l'apprentissage reposent sur la manipulation de bits, ce qui simplifie les calculs. Notre analyse théorique établit que les équilibres de Nash du jeu correspondent aux formules propositionnelles qui fournissent une précision optimale en reconnaissance de motifs. Cela se traduit par un apprentissage sans optima locaux, uniquement avec des optima globaux. Dans cinq benchmarks, la Machine de Tsetlin offre une précision compétitive comparée aux SVMs (Support Vector Machines), aux arbres de décision, aux forêts aléatoires (Random Forests), au classificateur Naïve Bayes, à la régression logistique et aux réseaux neuronaux. Nous montrons également comment les formules propositionnelles facilitent l'interprétation. En conclusion, nous pensons que la combinaison d'une haute précision, d'une interprétabilité et d'une simplicité computationnelle fait de la Machine de Tsetlin un outil prometteur pour un large éventail de domaines.