.png){kind=icon}
返回
Hyperdimensional computing in biomedical sciences: a brief review
.png){kind=icon}
OA
AI
DOI：10.7717/peerj-cs.2885.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超维计算（HDC，也称为向量符号架构-VSA）是一种新兴的计算范式，它依赖于在超维空间中处理向量来表示和组合各类信息。它广泛应用于包括生物信息学、自然语言处理、机器学习、人工智能以及众多其他科学学科在内的广泛领域。本文介绍了HDC的基本原理，重点探讨其在生物医学科学中的应用，特别强调生物信息学、化学信息学和医学信息学，提供了当前HDC研究现状的批判性综述，突出了将该计算范式应用于这些特定科学领域的优缺点。本研究中，我们首先从现有文献中选取了约四十篇关于超维计算应用于生物医学数据的科学文章，随后分析了这些研究的核心方面，如向量构建、数据编码、使用的编程语言及其他特征。我们还统计了这些科学文章中有多少是开放获取的，有多少提供了公开的软件代码，哪些作者团队、期刊和会议最为活跃。最后，我们讨论了HDC方法的优缺点，概述了其在生物医学科学中应用的潜在未来方向和开放性挑战。据我们所知，本综述是生物医学科学领域中关于该主题的首个开放性简短综述，因此我们相信它对读者群体具有参考价值和实用意义。
Keyword:
Hyperdimensional computing
Vector-symbolic architectures
Biomedical sciences
Bioinformatics
Medical informatics
Cheminformatics
Review
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
Determining the Number of Clusters in Clinical Response of TMS Treatment using Hyperdimensional Computing利用高维计算确定TMS治疗临床反应中的聚类数量
PREAI
分享收藏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HyperGen: compact and efficient genome sketching using hyperdimensional vectorsHyperGen：基于超维向量的紧凑高效基因组简图构建OAAI
OAAI分享收藏Efficient event-based robotic grasping perception using hyperdimensional computing基于超维计算的高效基于事件的机器人抓取感知.png)
INTERNET OF THINGS
OAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏Emotion Recognition Using a Reduced Set of EEG Channels Based on Holographic Feature MapsSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Exploration of Hyperdimensional Computing Strategies for Enhanced Learning on Epileptic Seizure Detection基于癫痫发作检测增强学习的超维计算策略探索OAAI
OAAI分享收藏
查看更多内容