文献类型：期刊文章

作　　者：姚晓芳[1] 田波[1]

YAO Xiaofang;TIAN Bo(Department of Computer Science,School of Big Data,Tongren University,Tongren,Guizhou 554300,China)

机构地区：[1]铜仁学院大数据学院计算机科学系,贵州铜仁554300

出　　处：《西南大学学报（自然科学版）》

基　　金：国家自然科学基金项目(61741214);贵州省科技厅基础研究项目(黔科合基础[2020]1Y260);铜仁市科技局项目(铜市科研[2018]17号).

年　　份：2022

卷　　号：44

期　　号：9

起止页码：197-204

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：针对当前超维计算(hyperdimensional computing,HD)中大多数方法计算量大、效率低的问题,提出了一种基于分组量化的高效超维计算分类方法,在保证准确性的情况下提高HD模型的计算效率.该方法首先使用点积操作替代余弦相似度运算来降低HD计算推理阶段的计算量;其次,考虑到查询超向量的相似度计算随着类数的增加而增加,设计了一个分组查询方案,通过检查类的子集来减少相似度计算;最后,使用双值2次幂的量化方式来消除推理阶段的乘法运算,进一步提高计算速度.实验结果表明,与其他HD计算模型相比,所提方法性能优良,在相同的精度水平下,明显降低了能耗和执行时间.

关 键 词：类脑计算  超维计算  分组量化  计算效率  

分 类 号：TP393]