Holographic reduced representations
PulseAugur coverage of Holographic reduced representations — every cluster mentioning Holographic reduced representations across labs, papers, and developer communities, ranked by signal.
-
全息记忆在知识图谱零样本组合推理中失败
研究人员调查了全息降维表示（HRR）和傅里叶HRR（FHRR）在知识图谱零样本组合推理中的有效性。虽然这些方法显示出潜力并在预测单跳链接方面具有竞争力，但它们无法组合零样本查询。研究发现，主要瓶颈不在于绑定或解绑代数或清理机制，而在于由于叠加记忆中的容量和干扰效应，检索构成链的事实存在固有的困难。
-
超维度计算增强表格数据上的结构化查询
研究人员探索了超维度计算（HDC），特别是全息缩减表示（HRR）模型，在表格数据嵌入上的结构化查询应用。该方法旨在解决当前嵌入方法中相似度得分缺乏内在意义的局限性，这使得设置可靠的检索阈值以及检测不存在有效答案的情况变得困难。研究表明，HDC在行检索任务中可以匹配或优于现有的基于图的方法，能更稳健地处理非等值谓词，并独特地提供了用于识别零匹配场景的原则性阈值。
-
新的HRR算法增强了神经解纠缠能力
研究人员开发了一种使用全息缩减表征（HRR）的新型无监督学习算法用于神经解纠缠。该方法将解纠缠表征视为符号结构，不同于先前工作中常见的连续表征。HRR解绑操作展示了分离因子的归纳偏置，在解纠缠指标上取得了有竞争力的结果，并显示出对噪声的鲁棒性。
-
AI模型利用认知语言特征提升抑郁症检测能力
研究人员开发了一种混合模型，结合了DistilBERT嵌入和认知语言特征来检测在线文本中的抑郁症。该模型纳入了绝对化词语和负面情绪等认知扭曲，取得了0.94的宏观F1分数。这显著优于基线TF-IDF模型0.80的分数，证明了将认知理论整合到AI驱动的心理健康分析中的有效性。