HEAL：超维高效主动学习，11倍至40,000倍的加速

文章预览

HEAL: Brain-inspired Hyperdimensional Efficient Active Learning HEAL:大脑启发的超维高效主动学习   https://arxiv.org/abs/2402.11223 以下技术实现这一目标，例如共享HDC编码器、编码数据重用、相似性计算重用、预归一化和动态维度再生。 贡献总结如下： - 据我们所知，HEAL是首个专为基于HDC的ML设计的AL算法。之前的HDC算法要求训练数据集尽可能完整以确保最高的学习质量。然而，HEAL通过不确定性和多样性指导的获取，主动标注未标记的数据点，从而实现更高效的数据集标注并降低人工成本。 - 在HDC环境中实现AL具有重大挑战，因为传统方法依赖BNN和基于梯度的学习来进行不确定性估计和多样性度量。相比之下，HEAL无需梯度并能无缝集成到任何现有的HDC分类器架构中。 - 在HEAL框架内，我们通过轻量级HDC集成和先验超向量引入了一种新的HDC分类器不确定性估计方法。AL ………………………………