.png){kind=icon}
返回
Prototype-Based Classifiers and Vector Quantization on a Quantum Computer-Implementing Integer Arithmetic Oracles for Nearest Prototype Search
.png){kind=icon}
OA
AI
DOI：10.3390/e28020229.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子力学中的叠加原理使一个量子状态能够编码整个解空间。通过采用振幅放大或量子近似优化算法（QAOA）等量子程序，可以以计算高效的方式探索此解空间以识别最优或近优解。本文提出作用于二进制数据表示的量子电路，以解决原型分类和表示学习中的一个核心任务，即所谓的胜者判定，该判定实现了最近原型原则。我们研究了用于预测阶段识别最近原型的量子搜索算法，以及用于训练阶段原型选择的量子优化方案。对于这些算法，我们设计了基于算术电路的或门，利用量子并行性同时将数学运算应用于多个输入。此外，我们引入了一个集成到学习程序中的原型选择或门，从而无需将任务表述为二元优化问题，进而减少了所需辅助变量的数量。所有提出的或门均使用基于Python 3的量子机器学习框架PennyLane实现，并在合成基准数据集上经验验证。
Keyword:
vector quantization
quantum machine learning
prototype-based learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
引用论文
分享收藏
The coming of age of interpretable and explainable machine learning models可解释和可解释的机器学习模型时代的到来.png)
NEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏分享收藏
查看更多内容