Resumen: Proponemos una arquitectura de razonamiento completamente espectral, neuro -sistembólica que aprovecha el procesamiento de señales gráficas (GSP) como la columna vertebral computacional principal para integrar la lógica simbólica y la inferencia neuronal. A diferencia de los modelos de razonamiento convencionales que tratan los métodos de gráficos espectrales como componentes periféricos, nuestro enfoque formula toda la tubería de razonamiento en el dominio espectral de gráfico. Las entidades y relaciones lógicas se codifican como señales gráficas, procesadas a través de filtros espectrales aprendizables que controlan la propagación de información a escala múltiple y se asignan a predicados simbólicos para la inferencia basada en reglas. Presentamos un marco matemático completo para el razonamiento espectral, incluidas las transformaciones gráficas Fourier, la atención selectiva de banda y la base de la regla espectral. Los experimentos en conjuntos de datos de razonamiento de referencia (Pruebewriter, implicación Bank, BABI, CLUTRR y ARC-Challenge) demuestran mejoras en la consistencia lógica, la interpretabilidad y la eficiencia computacional sobre los modelos de estado -de -ART neuro -symbólicos. Nuestros resultados sugieren que GSP proporciona un sustrato matemáticamente basado y computacionalmente eficiente para sistemas de razonamiento robustos e interpretables.
Publicado Originalme en export.arxiv.org El 21 de agosto de 2025.
Ver Fuente Original
