大规模可扩展
一种端到端学习有序二元决策图的神经网络模型，通过忠实编码在连续空间中模拟OBDD推理，实现可解释性与可扩展性。
Junming, Qiu · Rongzhen, Ye · 罗伟玲 · Qi, Kunxun · 万海 · 余跃
2025
通过将OBDD编码为神经网络参数，不再需要显式编码每个样本的满足性，从而能够利用小批量训练技术提升学习效率。
忠实的OBDD编码满足OBDD所需属性，使得可以直接从学习到的参数赋值中解释出OBDD结构。
实验结果显示，与现有OBDD学习器相比，OBDD-Net在处理大规模数据集时表现出更好的可扩展性。