Torchhd：一个支持超维计算与向量符号架构研究的开源 Python 库
机器学习
2023-09-15 v3
摘要
超维计算(HD)，也称为向量符号架构(VSA)，是一种通过利用随机高维向量空间的性质来进行分布式表示计算的框架。科学界致力于在这一特别多学科的领域汇总和传播研究，这对领域的进展至关重要。为加入这些努力，我们推出 Torchhd，一个用于 HD/VSA 的高性能开源 Python 库。Torchhd 力求使 HD/VSA 更易于使用，并作为进一步研究和应用开发的高效基础。该易用库构建于 PyTorch 之上，具备最先进的 HD/VSA 功能、清晰的文档以及来自知名文献的实现示例。将公开可用代码与其对应的 Torchhd 实现进行比较表明，实验运行速度可提升多达 100 倍。Torchhd 可在 https://github.com/hyperdimensional-computing/torchhd 获取。
引用
@article{arxiv.2205.09208,
title = {Torchhd: An Open Source Python Library to Support Research on Hyperdimensional Computing and Vector Symbolic Architectures},
author = {Mike Heddes and Igor Nunes and Pere Vergés and Denis Kleyko and Danny Abraham and Tony Givargis and Alexandru Nicolau and Alexander Veidenbaum},
journal= {arXiv preprint arXiv:2205.09208},
year = {2023}
}