本研究提出了一种新算法，以提高Tsetlin Machine模型的可解释性。经过修剪的模型在与人类注意力图的一致性和准确性方面均有所提升，具有重要的应用价值。

本文提出了一种新的Tsetlin Machine（TM）反馈机制，利用上下文特定独立自动机找到Markov边界，并为其收敛性提供了理论分析，为推理和学习提供协同作用的可能性。