How a Neural Network Learned Its Own Fraud Rules: A Neuro-Symbolic AI Experiment
大多数神经符号系统都会注入人类编写的规则。但如果神经网络本身能够发现这些规则呢？在本实验中，我使用可微规则学习模块扩展了混合神经网络，该模块在训练期间自动提取 IF-THEN 欺诈规则。在 Kaggle 信用卡欺诈数据集（欺诈率为 0.17%）上，该模型学习了可解释的规则，例如：神经网络如何学习其自己的欺诈规则：神经符号 AI 实验首先出现在《走向数据科学》上。
Complex & Intelligent Systems, Volume 12, Issue 2, February 2026
1) I2D-SGG：通过关系内和关系间依赖关系的联合建模来生成场景图作者：Juan Lei，Jiangpeng Tian，Zhiwei He2) 一种用于可控且连贯音乐生成的和弦控制变压器作者：Zhiqiang Gang3) 基于评论和描述的冷启动下神经矩阵分解的深度推荐算法作者：Kechao Li，Nor Ashikin Mohamad Kamal4) Semantic实用程序驱动的面向任务的分裂联邦学习的客户端选择作者：刘泽培，金志刚，吴晓东5）基于协同进化的覆盖任务中的快速多AUV多区域覆盖路径规划器作者：蔡昌，刘雨辰，蔡雷6）一种改进的农业无人机方向感知的轻量灌溉渠分割网络作者：倪建
IEEE Transactions on Neural Networks and Learning Systems, Volume 37, Issue 2, February 2026
1) 视觉曼巴：全面的调查和分类作者：X. Liu，C. Zhang，F. Huang，S. Xia，G. Wang，L. Zhang 页数：505 - 5252) Hard Sample Mining: A New Paradigm of Efficient and Robust Model Training 作者：L. Liu，Y. Liang，X. Yan，L. Huangfu，S. Samtani，Z. Yu，Y.张，D. D. Zeng页数：526 - 5463) FEU-Diff：用于医学图像分割的模糊证据驱动的动态不确定性融合的扩散模型作者：S. Geng，S. Jiang，T.
