Logic replicant: a new machine learning algorithm for multiclass classification in small datasets

Pedro Corral

doi:10.1088/2632-2153/adc86e

2025-04-11

Pedro Corral *

Roberto Centeno

Víctor Fresno

DOI：10.1088/2632-2153/adc86e

原文链接

原文求助

摘要

En 中文

多分类任务在小数据集上通常对传统机器学习（ML）算法构成显著挑战，预测精度受到数据稀缺这一背景的影响。为解决这一问题，本文提出了一种基于可微分确定性有限状态机（DFSM）的新型机器学习模型，该模型在每类数据量较少的背景下，相较于当前最先进的分类器，提升了预测性能。所提出的模型采用逻辑-算术函数，复制问题的固有分类逻辑，而非寻找特征相似性模式。我们的算法称为逻辑复制器（logic replicant），能够学习其他分类模型无法处理的问题。由于逻辑复制器是一种DFSM，它可以学习任何组合逻辑，但超越了这一点，还能学习其他类型的问题，例如手写数字识别，以及基于77种蛋白质的存在检测唐氏综合征小鼠。我们的机器学习算法也易于通过定量图表进行解释，相较于人工神经网络、随机森林等可解释性较差的算法。在涉及数学、物理、生物学和图像识别的不同数据集上获得的结果表明，基于逻辑-算术函数且作为DFSM的设计，提升了逻辑复制器的泛化能力（更优的预测精度），优于其他当前最先进的机器学习方法。

Keyword:

logic replicant

explainable machine learning algorithm

graphical interpretation

new machine learning model

small datasets

improved predictions