基于分组量化的高效超维计算分类方法

针对当前超维计算(hyperdimensional computing,HD)中大多数方法计算量大、效率低的问题,提出了一种基于分组量化的高效超维计算分类方法,在保证准确性的情况下提高HD模型的计算效率.该方法首先使用点积操作替代余弦相似度运算来降低HD计算推理阶段的计算量;其次,考虑到查询超向量的相似度计算随着类数的增加而增加,设计了一个分组查询方案,通过检查类的子集来减少相似度计算;最后,使用双值2次幂的量化方式来消除推理阶段的乘法运算,进一步提高计算速度.实验结果表明,与其他HD计算模型相比,所提方法性能优良,在相同的精度水平下,明显降低了能耗和执行时间.