关键词holographic reduced representations
搜索结果 - 4
- AAAI基于全息简化表示的神经符号损失实现快速看数通用化
我们通过使用全息减少表示（HRR）开发一种替代损失函数，研究了这种神经符号学习方法对于卷积神经网络（CNNs）和视觉转换器（ViTs）的子化能力的影响，观察到提出的 HRR 损失改善了子化泛化，但并未完全解决问题。
- ICML用全息降维表示重构自我关注
使用 Holographic Reduced Representations 方法重新构建自我注意力机制，将其实现为 Hrrformer，并在恶意软件检测中获得近乎最先进的准确性和极大的加速。
- 超高维计算综述，又称矢量符号架构，第二部分：应用、认知模型和挑战
本文是第二部分的综述，介绍了高维计算框架 HDC / VSA 的应用、在认知计算和体系结构中的作用，以及未来工作方向；HDC / VSA 由高维分布式表示组成，并依靠其关键操作的代数属性来结合结构化符号表示和向量分布式表示的优点。
- ICML联想长短时记忆
通过基于复值向量的关联记忆，不增加网络参数的情况下增强循环神经网络的新方法，与全息缩减表示和长短时记忆网络密切相关。与全息缩减表示不同的是，该系统创建存储信息的冗余副本，从而实现了减少噪声的检索。实验证明在多个记忆任务上的学习更快。