生物数据信息快速、鲁棒、可解释的范例：HDC

文章预览

Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data 超维计算：生物数据的快速，鲁棒和可解释的范例 https://journals.plos.org/ploscompbiol/article/file?id=10.1371/journal.pcbi.1012426 =printable 摘要 生物信息学的进步主要得益于处理多种生物数据源的新算法。虽然复杂的比对算法在分析生物序列中发挥了关键作用，但深度学习已极大地改变了生物信息学，涉及序列、结构和功能分析。然而，这些方法极度依赖数据、计算密集且难以解释。超维计算（HDC）最近作为一种令人兴奋的新选择应运而生。其核心思想是，高维随机向量可以表示诸如序列同一性或系统发育等概念。然后，可以利用高维空间的独特性质，通过简单运算符将这些向量组合起来，用于学习、推理或查询。本文回顾并探讨了HDC在生物信息学中的潜力，重点强调其在效率、可解释性以及 ………………………………