提出了一种简单且计算效率高的树形结构向量量化方案，与以往方法不同的是，其量化误差仅取决于数据分布的内在维度，而不是数据所处空间的表观维度。

May, 2008

本文介绍了一种基于二次随机投影的双线性随机投影方法，通过对特征矩阵进行投影并生成二进制编码，从而实现相似性搜索。实验结果表明该方法具有较高的有效性。

Jun, 2015

为了在保持高识别精度的前提下减少计算及存储成本，本文提出了一种名为‘Binary Projection Bank’的嵌入方法，通过学习一组小的投影来实现从高维特征向量向中等维二进制码转换，实验论证了该方法和现有技术相比在减小内存和编码复杂度方面具有较大优势。

Sep, 2015

本文提出了利用约束稀疏编码来近似存储大规模向量数据库，并实现高效检索的方法，可以在保证码本量的情况下，索引如 BIGANN 等大规模数据集，实现了学习 / 编码时间、索引大小、搜索质量等多种因素的平衡。

Aug, 2016

本文提出了一种压缩编码方法 —— 监督量化，该方法同时学习特征选择，将数据库点线性转换为低维判别子空间，并在转换空间中对数据点进行量化，使其不仅准确逼近转换点，而且在语义上是可分离的，该方法在几个标准数据集上的实验证明了其优于最先进的监督哈希和无监督量化算法。

Feb, 2019

本文提出了一种在高维向量的压缩域内重新排列邻居猜想的方法，通过短量化码优化估算距离，以避免从磁盘中读取完整向量，实验证明该方法准确高效且占用较少内存。

Feb, 2011

本文提出了一种通过使用全变分权重分布进行深度神经网络压缩的方法，能够实现更高的压缩率和更高的测试性能，并在 LeNet-5/MNIST 和 VGG-16/CIFAR-10 基准测试中创造出新的最优结果。

Sep, 2018

提出了两种新的编码方案，分别是基于有序随机编码（ORC）的编码方案和使用抖动量化的混合编码方案，用于有效传输噪声数据并降低编码成本。

Oct, 2021

本文探讨了随机投影在线性回归问题中的应用，旨在降低计算成本，结合最小二乘回归可产生类似岭回归和主成分回归的恢复效果，并探讨了多次随机投影平均的可能改进。

Jan, 2017

本研究提出了一种利用随机超平面投影和量化技术，减小预处理数据的存储和带宽需求，从而使得边缘设备可以高效地进行推理和训练，并且在多语言句子分类任务中保持了良好的性能。

Mar, 2023