要約
個々では単純である人工ニューロンも、深層ネットワークで相互接続されると最先端の性能を発揮します。しかし、ツェトリンオートマトンはさらに単純かつ多用途な学習メカニズムであり、マルチアームバンディット問題を解く能力を持っています。単一の整数を記憶として使用するだけで、増加と減少の操作を通じて確率的な環境での最適な行動を学習します。本論文では、複数のツェトリンオートマトンによって構成される命題論理式を使用して複雑なパターン認識問題を解くツェトリンマシンを紹介します。長年にわたる信号対雑音比の消失という問題を解決するために、ツェトリンマシンは新しいゲームによりオートマトンを統括します。さらに、入力、パターン、出力はすべてビットで表現され、認識と学習はビット操作に依存することで計算が簡素化されます。理論的な分析により、ゲームのナッシュ均衡が最適なパターン認識精度を提供する命題論理式と一致することが示されています。これは局所的最適解ではなく、全体的最適解のみで学習を行うことを意味します。5つのベンチマークにおいて、ツェトリンマシンはSVM（サポートベクトルマシン）、決定木、ランダムフォレスト、ナイーブベイズ分類器、ロジスティック回帰、ニューラルネットワークなどと比較して競争力のある精度を提供しています。また、命題論理式が解釈の容易さを促進することも示しています。結論として、高い精度と解釈可能性および計算の簡素性の組み合わせにより、ツェトリンマシンは幅広い領域での有望なツールとなると考えています。