量子分類器のためのロバストなデータ符号化【JST・京大機械翻訳】

LaRose Ryan; Coyle Brian

プレプリント

J-GLOBAL ID：202202214735251710 整理番号：22P0118943

量子分類器のためのロバストなデータ符号化【JST・京大機械翻訳】

Robust data encodings for quantum classifiers

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年03月03日プレプリントサーバーでの情報更新日： 2020年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

データ表現は機械学習モデルの成功に重要である。近項量子コンピュータによる量子機械学習の文脈において,効率的に入力(エンコード)データおよび効果的にノイズを扱う方法の等しく重要な考慮事項が生じる。本研究では,二値量子分類のためのデータ符号化を研究し,雑音有りと無しのそれらの性質を調べた。一般的な分類器では,符号化が学習可能な決定境界のクラスを決定し,雑音の存在下で同じ分類を保持する点集合を決定することを示した。ロバストデータ符号化の概念を定義した後,著者らは,異なるチャネルに対するロバスト性に関するいくつかの結果を証明し,ロバスト符号化の存在を議論し,雑音のない状態と雑音のない状態の間の忠実度に関して,ロバスト点の数に関する上限を証明した。いくつかの例実装のための数値結果を,著者らの発見を強化するために提供した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 符号理論 , 人工知能

, , ,

前のページに戻る