Hyperseed：基于向量符号架构的无监督学习
人工智能
2022-09-30 v2
摘要
受近期生物启发神经形态硬件创新的推动，本文提出一种名为 Hyperseed 的新型无监督机器学习算法，该算法利用向量符号架构 (VSA) 的原理，对无标签数据快速学习拓扑保持特征映射。它依赖于 VSA 的两个主要操作：绑定与捆绑。Hyperseed 的算法部分在 Fourier Holographic Reduced Representations 模型中表达，该模型特别适合在脉冲神经形态硬件上实现。Hyperseed 算法的两个主要贡献是少样本学习以及基于单向量操作的学习规则。这些特性在合成数据集以及说明性基准用例（IRIS 分类和使用 n-gram 统计的语言识别任务）上进行了经验评估。这些实验的结果证实了 Hyperseed 的能力及其在神经形态硬件中的应用。
引用
@article{arxiv.2110.08343,
title = {Hyperseed: Unsupervised Learning with Vector Symbolic Architectures},
author = {Evgeny Osipov and Sachin Kahawala and Dilantha Haputhanthri and Thimal Kempitiya and Daswin De Silva and Damminda Alahakoon and Denis Kleyko},
journal= {arXiv preprint arXiv:2110.08343},
year = {2022}
}