抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最も簡単で最も効果的な古典的機械学習アルゴリズムの一つは,M列車状態の集合からk最近傍を見つけることによって未知のテスト状態を分類するk最近傍アルゴリズム(kNN)である。ここでは,類似性測度として忠実度に基づく古典的kNN量子kNN(QkNN)の量子アナログを示した。QkNNアルゴリズムが量子k-maximaアルゴリズムのインスタンスに低減でき,従ってQkNNのクエリ複雑性がO(√kM)であることを示した。この低減における非自明なタスクは,量子状態の振幅として,試験状態とすべての列車状態の間の忠実度情報を符号化することである。この振幅符号化情報をディジタルフォーマットに変換することにより,それらを効率的に比較でき,これにより削減を完了できる。古典的kNNと既存の量子kNNアルゴリズムとは異なり,提案したアルゴリズムは量子データに直接使用でき,量子状態トモグラフィーのような高価なプロセスを迂回する。一例として,エンタングルメント分類と量子状態識別におけるこのアルゴリズムの適用性を示した。【JST・京大機械翻訳】