Laplace-HDC: Understanding the geometry of binary hyperdimensional computing

要約

この論文では、高次元バイナリ ベクトルを使用してデータをエンコードする計算スキームであるバイナリ超次元コンピューティング (HDC) の幾何学を研究します。
HDC バインディング演算子によって引き起こされる類似構造に関する結果を確立し、この設定でラプラス カーネルが自然に発生し、以前の方法を改良した新しい符号化方法 Laplace-HDC の動機となることを示します。
画像から空間情報をエンコードする際のバイナリ HDC の限界を結果がどのように示しているかを説明し、Haar 畳み込み機能の使用や変換等価 HDC エンコードの定義などの潜在的な解決策について議論します。
代替手法と比較して Laplace-HDC の精度が向上したことを強調するいくつかの数値実験が示されています。
また、堅牢性や基礎となる翻訳等変エンコーディングなど、提案されたフレームワークの他の側面も数値的に研究します。

要約(オリジナル)

This paper studies the geometry of binary hyperdimensional computing (HDC), a computational scheme in which data are encoded using high-dimensional binary vectors. We establish a result about the similarity structure induced by the HDC binding operator and show that the Laplace kernel naturally arises in this setting, motivating our new encoding method Laplace-HDC, which improves upon previous methods. We describe how our results indicate limitations of binary HDC in encoding spatial information from images and discuss potential solutions, including using Haar convolutional features and the definition of a translation-equivariant HDC encoding. Several numerical experiments highlighting the improved accuracy of Laplace-HDC in contrast to alternative methods are presented. We also numerically study other aspects of the proposed framework such as robustness and the underlying translation-equivariant encoding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google