Slides
这次讲座主要介绍了三个工作，分别是：
一个可学习的 HDC 框架 基于 CIM 的 HDC 实现 通过自相关的方法减少对 AM 的存储需求
HDC Flow
HDC 的流程就是编码、查询。
轻量、硬件实现友好。
HDC Introduction
HDC v.s. NN
对比 NN，HDC 有着资源需求更少、速度快的优势，但是准确度只在可接受的范围内。
LAHDC
利用 LAHDC 减少对 AM 的需求。
Class HVs
用于存储不同类别的 HVs，也即 AM，占据了大部分面积，但这可能是并不需要存储的。
An Accuracy Gap Compared with DNN
HDC 对信息的编码无法有效提取特征信息。
Training
训练以及重训练过程。
HDC Encoding
HDC 编码方式，这里只提到两种。
HW for HDC
不同的 HW 实现方式。
问题
Q
要完成复杂度任务，目前还是需要与 NN 结合，作为 NN 的一部分。而且实际应用还需要看场景，目前看来 HDC 擅长的应用有局限。
Q
通过自相关（讲座提到的工作）等方法。
Q
核心的运算已经非常简化。可能在比如表示向量的维度方面重构，从 2 k-10 k。同时，维数的提升未必能提升准确率。
Q
表示为二进制向量硬件最为友好，其他复杂的表示也未必提升很多准确度。