超维计算（又称向量符号化架构）综述，第二部分：应用、认知模型和挑战
摘要：超维计算与向量符号结构（HDC/VSA）是一种计算框架，本综述是专门介绍该框架的全面调查的第二部分。HDC/VSA是一类计算模型，使用高维分布表示，并依赖其关键操作的代数性质，以结构化符号表示和向量分布表示的优点。全息约简表示是一种具有影响力的HDC/VSA模型，在机器学习领域广为人知，并经常用来指代整个家族。但为了保持一致，我们使用HDC/VSA来指代该领域。该综述的第一部分涵盖了该领域的基础方面，比如HDC/VSA发展的历史背景，任何HDC/VSA模型的关键要素，已知的HDC/VSA模型以及各种类型输入数据转化为适合HDC/VSA的高维向量。该综述的第二部分调查了现有的应用程序，HDC/VSA在认知计算和架构中的作用，以及未来工作的方向。大部分应用程序位于机器学习/人工智能领域，但我们也包括其他应用程序以提供一个完整的图像。该综述旨在对新手和专业人士都有用。
作者：Denis Kleyko, Dmitri A. Rachkovskij, Evgeny Osipov, Abbas Rahimi
论文ID：2112.15424
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-02