神经推理网络：高效可解释的神经网络与自动文本解释
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了神经网络在可解释性方面的不足，尤其是在表格数据集分类任务中。我们提出了一种新型的神经符号架构——神经推理网络（NRN），该网络具有自动生成逻辑上合理的文本解释的能力。实验结果显示，NRN在多个开放数据集上的表现优于多层感知器，并与其他先进方法相当，同时训练速度快，参数需求大幅减少。
本文介绍了Prototype Graph Neural Network（ProtGNN），结合原型学习与图神经网络，通过比较输入与潜在空间中的原型实现预测。ProtGNN+增加了条件子图抽样模块，提高了解释性和效率。实验显示，ProtGNN和ProtGNN+在保持准确性的同时，提供了内在的可解释性。
