面向硬件高效向量符号架构的索博尔序列优化
机器学习
2023-11-20 v1 新兴技术
摘要
超维计算(HDC)是一种新兴的计算范式,在高效且鲁棒的学习方面具有重大前景。在 HDC 中,对象由称为超向量的高维向量符号序列编码。超向量的质量由其分布与独立性定义,直接影响 HDC 系统的性能。尽管关于 HDC 系统处理部分已有大量工作,但数据编码与超向量质量却极少受到关注。多数先前研究使用固有的随机函数(如 MATLAB 或 Python 的随机函数)生成超向量。本工作引入一种利用拟随机序列生成超向量的优化技术。这些序列近来已在随机计算系统中展现出实现精确且低差异数据编码的有效性。本研究概述了利用索博尔(Sobol)序列在 HDC 系统中产生高质量超向量的优化步骤。提出一种优化算法,以选取最合适的 Sobol 序列来生成最小相关超向量,尤其面向与符号导向架构相关的应用。所提技术的性能与基于线性反馈移位寄存器和 MATLAB 随机函数的两种传统超向量生成方法进行比较评估。评估针对两个应用开展:(i) 语言与 (ii) 标题分类。我们的实验结果表明,依据向量大小不同,准确率提升最高达 10.79%。此外,所提编码硬件展现出更低的能耗与更优的面积-延迟积。
引用
@article{arxiv.2311.10277,
title = {Sobol Sequence Optimization for Hardware-Efficient Vector Symbolic Architectures},
author = {Sercan Aygun and M. Hassan Najafi},
journal= {arXiv preprint arXiv:2311.10277},
year = {2023}
}
备注
9 pages, 7 figures