.png){kind=icon}
返回
ByteHD: Efficient Byte-Level Hypervector Compression for Memory-Constrained Embedded Systems
.png){kind=icon}
OA
AI
DOI：10.1007/s12559-026-10593-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高维计算（HDC）已被证明在解决各种分类任务方面有效，通常优于传统机器学习技术，特别是在抗噪声性、低计算复杂度以及由于高度可并行化的代数运算而适合硬件高效实现方面。然而，HDC在内存受限的嵌入式系统中应用的主要障碍在于其高内存需求，达到$$\varvec{\mathcal {O}(n\times D)}$$量级，其中$$\varvec{n}$$是内存中存储的超向量数量，$$\varvec{D}$$是其维度。在本工作中，我们提出了ByteHD，一种轻量级压缩库，通过高效的字节级编码减少双极超向量的内存占用。为测试我们的方法，我们实现了一个基于HDC的框架，用于应急照明设备的异常检测，并评估了其对内存使用、执行时间和分类准确率的影响。实验结果表明，ByteHD使HDC实现即使在资源非常受限的物联网嵌入式系统（如RPI Pico 2）上也能运行，同时保持与未压缩实现相当的分类性能。这些发现突显了HDC作为边缘智能的实用且节能学习范式的潜力，弥合了理论进展与现实嵌入式部署之间的差距。
Keyword:
Hyperdimensional computing
Internet of things
Anomaly detection
Predictive maintenance
Machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.3
论文数:
1.6K
被引数:
3.6K
机构
引用论文
Hyperdimensional Computing: An Introduction to Computing in Distributed Representation with High-Dimensional Random Vectors超维计算: 高维随机向量分布式表示计算简介
PREAI
分享收藏Hyperdimensional Computing in Industrial Systems: The Use-Case of Distributed Fault Isolation in a Power Plant工业系统中的超维计算: 发电厂中分布式故障隔离的用例.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Survey on Hyperdimensional Computing aka Vector Symbolic Architectures, Part II: Applications, Cognitive Models, and Challenges关于超维计算的调查，即矢量符号体系结构，第二部分: 应用，认知模型和挑战
OAAI
OAAI分享收藏分享收藏A reram-based processing-in-memory architecture for hyperdimensional computing基于reram的用于高维计算的存内计算架构
IF0
PREAI
分享收藏 没有更多内容
没有更多内容