'Computing' as Information Compression by Multiple Alignment, Unification and Search
本文认为，“通用图灵机”（UTM）和等效机制，如“后规范系统”（PCS）的操作-这是广泛接受的“计算”的概念的定义-可以被解释为 * 信息压缩的多重对齐，统一和搜索 *（ICMAUS）。这种解释的动机是，它建议的方式，UTM/PCS模型可能会增加在一个拟议的新的计算系统，旨在充分利用ICMAUS原则尽可能。在所提出的“SP”系统中提供相对复杂的搜索机制似乎为一系列功能的集成和简化打开了大门，这些功能包括无监督归纳学习、最佳匹配模式识别和信息检索、概率推理、规划和问题解决等。关于如何将ICMAUS原则应用于这些功能的详细考虑超出了本文的范围，但本文引用了相关来源。
2003-07-05 cs.AI cs.CC
Mathematics and Logic as Information Compression by Multiple Alignment, Unification and Search
本文提出了“数学、逻辑及相关学科可有效地理解为通过”多重压缩“、”统一“和”搜索“的信息压缩（ICMAUS）"的猜想。作为文章的两个主要部分的准备，信息和信息压缩的概念进行了审查。相关的研究领域也被描述，包括大脑和神经系统中的IC，以及IC与归纳推理、最小长度编码和概率推理的关系。ICMAUS的概念和计算机模型中，他们体现了简要说明。两个主要部分中的第一部分描述了数学、逻辑和相关学科（如理论语言学和计算机编程）中有多少常用的形式和结构可以被视为IC的设备。在某些情况下，这些形式和结构可以按照国际货币政策分析和使用联盟框架来解释。第二个主要部分描述了一些例子，其中数学，逻辑和相关学科中的计算和推理过程可以理解为IC。在许多情况下，这些例子可以根据ICMAUS概念更具体地理解。
2003-08-15 cs.AI math.GM math.LO
Information Compression, Intelligence, Computing, and Mathematics
本文提出了证据的想法，大部分的人工智能，人类的感知和认知，主流计算，数学，可以理解为压缩信息通过匹配和统一的模式。这是“SP智力理论”的基础，在论文中概述并在其他地方充分描述。相关证据可以看到：在SP理论的实证支持;在生物学和工程学方面的信息压缩（IC）的一些优势;在我们使用的速记和普通话的语言;在我们如何合并任何一个事物的连续视图;在视觉识别;在双目视觉;在视觉适应;在我们如何学习语言中的词汇和语法结构;和在知觉恒定性。通过模式的匹配和统一的IC可以在计算和数学中看到：在IC中通过方程;在名称的匹配和统一中;在减少或去除一元数的冗余中;在Post的规范系统和通用图灵机中的转换函数的工作中;在计算机从内存中检索信息的方式中;在Prolog之类的系统中;以及用于信息检索的逐例查询技术。IC的代码分块技术可以在使用命名函数以避免计算机代码的重复中看到。模式加校正技术可以在带参数的函数和面向对象编程中的类的使用中看到。游程编码技术可以在乘法、除法以及其他数学和计算设备中看到。SP理论解决了“以压缩解压缩”的明显悖论。作为IC的计算和认知与冗余的使用是兼容的，例如备份副本，以保护数据和在嘈杂的环境中理解语音。
2015-07-13 cs.AI
Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression
Tencent Media Lab（腾讯媒体实验室）；Northeastern University（东北大学）
压缩深度神经网络（DNN）模型以减轻存储和计算需求对于实际应用至关重要，尤其是对于资源有限的设备。虽然能够减少合理数量的模型参数，以前的非结构化或结构化的权重修剪方法很难真正加速推理，无论是由于非结构化稀疏性的硬件兼容性差，还是由于结构修剪网络的稀疏率低。为了减少存储和计算，以及保持原有的任务性能，我们提出了一个广义的重量统一框架，在硬件兼容的微结构化水平，以实现高量的压缩和加速。所选微结构块的权重系数被统一以减少块的存储和计算而不改变神经元连接，当所有统一系数被设置为零时，这变成微结构修剪特殊情况，其中神经元连接（因此存储和计算）被完全去除。此外，我们开发了一个有效的训练框架的基础上交替方向的乘法器（ADMM），它将我们的复杂约束优化到单独可解的子问题。通过迭代优化子问题，可以确保所需的微结构，高压缩比和低性能退化。我们使用各种基准模型和不同应用程序的数据集广泛评估了我们的方法。实验结果表明，国家的最先进的性能。
2021-06-16 cs.AI cs.CV cs.LG
LingLan: An Advancing Traditional Chinese Medicine Diagnosis LLM with Multimodal Data
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Guangdong Provincial Laboratory of Traditional Chinese Medicine Hengqin（广东省中医药横琴实验室）
针对中医诊断难以量化的问题，提出UFMD框架统一多模态数据，并构建LingLan-14B模型模拟望闻问切流程，诊断准确率相对提升103.5%，F1达82%。
2026-09-23 cs.AI
Computing as compression: the SP theory of intelligence
本文概述了SP智能理论及其核心思想，即人工智能、主流计算以及人类的许多感知和认知都可以理解为信息压缩。描述了SP理论的背景和起源，以及该理论的主要元素，包括从生物信息学中借用但具有重要差异的多重比对的关键概念。与SP理论相关联的是这样一种思想，即信息中的冗余可以被理解为模式的重复，信息的压缩可以通过模式的匹配和统一（合并）来实现，并且计算和信息压缩基本上都是概率性的。看来SP系统是图灵等价的，在这个意义上，任何可以用图灵机计算的东西，原则上也可以用SP机计算。SP理论和多重对齐概念的主要优势之一是在人工智能中对概念和现象进行建模。在该领域内，SP理论提供了一种简单但通用的表示不同种类知识的方法，它可以对自然语言的解析和产生进行建模，具有理解和翻译自然语言的潜力，它在模式识别方面具有优势，在计算机视觉方面具有潜力，它可以对几种推理进行建模，并且它具有规划，解决问题，和无监督学习。本文包括两个例子，展示了如何替代解析的一个歧义句可能被建模为多重对齐，以及另一个例子，展示了如何多重对齐的概念可以应用于医疗诊断。
2013-03-08 cs.AI
Analogical Reasoning as a Doctor: A Foundation Model for Gastrointestinal Endoscopy Diagnosis
本文提出RATNet基础模型，通过类比推理提升胃肠内镜诊断的泛化能力与鲁棒性，在六个场景中超越现有模型，支持联邦学习隐私保护部署。
2026-04-07 cs.AI cs.CV
Unifying Computing and Cognition: The SP Theory and its Applications
这本书提出了一个猜想，即计算机和人脑中的各种信息处理都可以有效地理解为“通过多重排列、统一和搜索进行的信息压缩”。自1987年以来一直在发展的这个“SP理论”提供了对诸如通用图灵机的工作、“知识”的性质、自然语言的解释和产生、模式识别和最佳匹配信息检索、几种概率推理、规划和问题解决、无监督学习、以及数学和逻辑中的一系列概念。该理论也为设计SP计算机提供了基础，与传统的数字计算机相比，SP计算机具有几个潜在的优点。
2004-01-13 cs.AI
The SP theory of intelligence: an overview
本文是对“SP智力理论”的综述。该理论旨在简化和整合人工智能，主流计算和人类感知和认知的概念，并将信息压缩作为统一的主题。它被认为是一个类似大脑的系统，接收“新”信息，并以压缩形式存储部分或全部“旧”信息。它以计算机模型的形式实现-SP机的第一个版本。“多重结盟”的概念是一个强有力的中心思想。使用启发式技术，该系统建立多个比对，在信息压缩方面是“好”的。对于每个多重比对，可以计算概率。这些为计算推论的概率提供了基础。系统从模式之间的部分匹配中学习新的结构。使用启发式技术，系统搜索在信息压缩方面“好”的结构集。这些通常是人们根据“DONSVIC”原则判断为“自然”的东西-通过信息压缩发现自然结构。SP理论可以应用于若干领域，包括“计算”、数学和逻辑方面、知识表示、自然语言处理、模式识别、若干种推理、信息存储和检索、规划和问题解决、信息压缩、神经科学以及人类感知和认知。例子包括语言的分析和生产，包括语法中的不连续依赖关系，多层次抽象的模式识别及其与部分-整体关系的整合，非单调推理和默认值推理，贝叶斯网络中的推理，包括“解释”，因果诊断和几何类比问题的解决。
2015-01-07 cs.AI
Smart machines and the SP theory of intelligence
这些笔记描述了“SP智能理论”及其在“SP机器”中的体现如何有助于实现认知计算，如“智能机器”一书中所述。在SP系统中，信息压缩和“多重对齐”的概念是中心舞台。该系统旨在集成无监督学习、模式识别、概率推理等功能。它可以帮助克服大数据中的多样性问题，它可以服务于模式识别和数据结构的无监督学习，它可以促进大数据的管理和传输。有潜力，通过信息压缩，在计算效率，特别是在能源的使用大幅增加。SP系统可能有助于实现以数据为中心的计算，也许是通过Hebb的“细胞组装”概念的发展，或者通过使用光或DNA来处理信息。它在管理数据中的错误和不确定性、医疗诊断、处理数据流以及提高机器人的适应性方面具有潜力。
2014-01-08 cs.AI
Towards Personalized Healthcare in Cardiac Population: The Development of a Wearable ECG Monitoring System, an ECG Lossy Compression Schema, and a ResNet-Based AF Detector
The Chinese University of Hong Kong（香港中文大学）；Institute of Future Cities, The Chinese University of Hong Kong（香港中文大学未来城市研究所）；Li Ka Shing Institute of Health Science, The Chinese University of Hong Kong（香港中文大学李嘉诚健康科学研究所）
心血管疾病（CVD）是全球头号死亡原因。虽然越来越多的证据表明房颤（AF）与各种心血管疾病有很强的关联，但这种心律失常通常使用心电图（ECG）进行诊断，这是一种无风险，非侵入性和成本效益高的工具。持续远程监测受试者的ECG信息，可在任何危及生命的病症/疾病发生之前，实现AF的及时预诊断和及时预治疗。最终，CVD相关的死亡率可以降低。在这篇手稿中，设计和实现了一个个性化的医疗保健系统，体现了可穿戴心电图设备，移动应用程序和后端服务器。该系统持续监测用户的ECG信息，以提供个性化的健康警告/反馈。用户能够通过该系统与其配对的健康顾问进行通信，以进行远程诊断、干预等。已对实施的可穿戴ECG设备进行了评估，并显示出良好的内部一致性（CVRMS=5.5%）、可接受的内部一致性（CVRMS=12.1%）和可忽略的RR间期误差（ARE<1.4%）。为了提高可穿戴设备的电池寿命，提出了一种利用心电信号的准周期特性实现有损压缩的方案。与已识别的模式相比，它在压缩效率和失真方面优于其他模式，并且对于来自MIT-BIH数据库的ECG信号，在一定PRD或RMSE下实现了至少2倍的CR。为了在所提出的系统中实现自动AF诊断/筛查，开发了基于ResNet的AF检测器。对于2017年PhysioNet CinC挑战的ECG记录，该AF检测器获得的平均测试F1=85.10%，最佳测试F1= 87.31%，优于最先…
2022-07-11 cs.AI cs.SY eess.SP
Lossy Medical Image Compression using Residual Learning-based Dual Autoencoder Model
Indian Institute of Information Technology Allahabad（印度阿拉哈巴德信息技术学院）
在这项工作中，我们提出了一个两阶段的自动编码器为基础的压缩-解压缩框架压缩疟疾红细胞图像补丁。我们知道，用于疾病诊断的医学图像大约是几千兆字节大小，这是相当巨大的。提出的基于残差的双自编码器网络被训练以提取唯一特征，然后通过解压缩模块将其用于重建原始图像。两个潜在空间表示（第一个用于原始图像，第二个用于残差图像）用于重建最终的原始图像。Color-SSIM专门用于检查解压缩后细胞图像的色度部分的质量。实验结果表明，所提出的工作优于其他神经网络相关的医学图像压缩技术的PSNR，彩色SSIM和MS-SSIM分别约35%，10%和5%。与JPEG-LS、JP 2K-LM、CALIC和最近的神经网络方法相比，该算法的比特节省率分别为76%、78%、75%和74%，是一种很好的压缩-解压缩技术。
2021-08-24 cs.AI cs.LG eess.IV
Privacy-Preserving AI for Encrypted Medical Imaging: A Framework for Secure Diagnosis and Learning
Daffodil International University（达福国际大学）
针对医疗AI应用中的患者隐私问题，提出结合AES-CBC加密、JPEG2000压缩与Masked-CNN的加密医学影像隐私保护诊断框架，在公开数据集上验证其性能接近未加密模型，兼具实用性与可扩展性。
2025-05-17 cs.AI cs.CR eess.IV
TC-SSA: Token Compression via Semantic Slot Aggregation for Gigapixel Pathology Reasoning
Shenzhen University of Advanced Technology（深圳先进技术大学）；University of Nottingham NingBo（诺丁汉大学宁波学院）
TC-SSA通过语义槽聚合实现token压缩，提升十亿像素病理推理的效率与诊断性能
2026-03-01 cs.AI cs.CV
The SP theory of intelligence: benefits and applications
本文介绍了“SP智力理论”现有的和预期的好处，以及一些潜在的应用。该理论旨在简化和整合人工智能，主流计算以及人类感知和认知的思想，并将信息压缩作为统一的主题。它将概念简单性与跨计算和认知的几个领域的描述和解释能力相结合。在“SP机”中--目前以计算机模型的形式实现的SP理论的一种表达--有可能全面简化计算系统，包括软件。SP理论有望在多个应用领域提供更深入的见解和更好的解决方案，最值得注意的是，无监督学习、自然语言处理、自主机器人、计算机视觉、智能数据库、软件工程、信息压缩、医疗诊断和大数据。在语义网、生物信息学、文档结构、计算机病毒检测、数据融合、新型计算机和科学理论发展等领域也有潜力。该理论保证了不同应用领域内部和之间的结构和功能的无缝集成。在全世界范围内，这些效益和应用的潜在价值每年至少为1 900亿美元。进一步的发展将通过创建一个高度并行的开放源代码版本的SP机器来促进，该机器可供各地的研究人员使用。
2013-12-23 cs.AI
FCOS: A Two-Stage Recoverable Model Pruning Framework for Automatic Modulation Recognition
Institute of Cyberspace Security, College of Information Engineering, Zhejiang University of Technology（信息工程学院网络安全研究所，浙江工业大学）；Binjiang Institute of Artificial Intelligence, Zhejiang University of Technology（滨江人工智能研究院，浙江工业大学）；Research Center of Electromagnetic SpaceSecurity, Binjiang Institute of Artificial Intelligence, ZJUT（电磁空间安全研究室，滨江人工智能研究院，ZJUT）；College of Information and Communication Engineering, Harbin Engineering University（信息与通信工程学院，哈尔滨工程大学）
本文提出FCOS两阶段剪枝框架，结合通道级剪枝与层级坍塌诊断，在多个AMR基准上实现超95%的FLOPs与参数减少且精度近乎无损。
2025-05-27 cs.AI cs.LG
Making deep neural networks work for medical audio: representation, compression and domain adaptation
McGill University（麦吉尔大学）
本研究聚焦婴儿哭声医疗分析，从迁移学习、张量分解模型压缩、音频域适应、开源数据集发布四方面突破医疗音频机器学习技术瓶颈，为低成本可及的AI音频医疗监测奠定基础。
2025-05-24 cs.AI cs.SD eess.AS
Simplification and integration in computing and cognition: the SP theory and the multiple alignment concept
本文的主要目的是描述SP理论的潜在好处和应用，SP理论是一种独特的尝试，旨在简化和整合人工智能、主流计算和人类认知的思想，并将信息压缩作为一个统一的主题。该理论，包括一个多对齐的概念，结合了概念的简单性与描述性和解释力在几个领域，包括知识的表示，自然语言处理，模式识别，几种推理，存储和检索的信息，规划和解决问题，无监督学习，信息压缩，以及人类的感知和认知。在SP机-SP理论的表达，目前实现的计算机模型的形式-有一个整体简化的计算系统，包括软件的潜力。作为一个具有广泛基础的理论，SP理论在许多领域都有着有益的见解，并在给定的领域内和不同领域之间实现了结构和功能的整合。自然语言处理有潜在的好处（具有理解和翻译自然语言的潜力），对自主机器人多功能智能的需求，计算机视觉，智能数据库，维护多个版本的文档或网页，软件工程，刑事调查，大数据管理并从中获益，语义网，医疗诊断，计算机病毒的检测、数据的经济传输和数据融合。通过创建一个高并行、基于网络的开放源代码版本的SP机器，并具有良好的用户界面，将有助于进一步发展这些想法。这将为研究人员提供一种手段，探索可以用该系统做些什么，并对其进行改进。
2012-12-02 cs.AI cs.CL
Pathology Context Recalibration Network for Ocular Disease Recognition
Research Institute of Trustworthy Autonomous Systems and Department of Computer Science and Engineering（可信自主系统研究院和计算机科学与工程系）；Southern University of Science and Technology（南方科技大学）；Tomey Corporation（Tomey公司）；Department of Computer Science and Engineering（计算机科学与工程系）；School of Computer Science（计算机科学学院）
本文提出PCRNet网络，结合病理上下文重校准模块和专家先验指导适配器，提升眼病识别性能和决策可解释性。
2025-12-30 cs.AI cs.CV
HSENet: Hybrid Spatial Encoding Network for 3D Medical Vision-Language Understanding
The University of Hong Kong（香港大学）；Beijing University of Technology（北京工业大学）
针对现有医学多模态大模型多聚焦2D图像、难以捕捉3D解剖结构易引发诊断误差的问题，提出HSENet框架，通过双3D视觉编码器与Spatial Packer投影器实现3D医学视觉-语言理解，在三项3D医学任务上达SOTA。
2025-06-11 cs.AI cs.CV
