Tsetlin 머신(TM)은 Boolean 입력을 기반으로 확률적 피드백을 통해 논리적 절을 형성하는 두 가지 동작 Tsetlin 오토마타(TA) 집합으로 구성된 규칙 기반 머신 러닝 알고리즘입니다. 이 연구에서는 수직 특징 파티셔닝 환경에서 합의 기반 추론을 사용하는 Tsetlin 머신 앙상블 간의 분산 협력 학습 패러다임을 제안합니다. 각 에이전트는 자체 TM 모델을 유지하며, 에이전트 간에 원시 데이터 교환이 없습니다.
분산 패러다임은 다양한 데이터 획득 수단, 로컬 데이터 분포 또는 컴퓨팅 리소스를 가진 이기종 TM 기반 에이전트를 수용하여 다중 모드 센싱 환경과 같은 설정에서 정보 통합 및 융합을 용이하게 합니다. 두 가지 네트워크 토폴로지에서 실험 결과, 중앙 집중식 모델과 유사한 분류 정확도를 달성했습니다.