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。
量子マシン学習は,近項量子デバイスの潜在的実用化として浮上している。本研究では,一般化線形モデル(QGLM)を実行する量子確率ニューロンの第一層が第二古典的結合層に従う2層ハイブリッド古典的量子分類器を研究した。第1,隠れ,層への入力は,ニューロン当たりの量子ビット数における量子ニューロンのファンインの指数サイズを利用するために,振幅符号化により得られた。QGLMの実装を容易にするために,すべての重みと活性化はバイナリである。このクラスのモデルに対する訓練戦略に関する最先端は,網羅的探索および単一ニューロンパーセプトロン様ビットフリップ戦略に限定されているが,本論文では,確率的勾配降下により量子および古典的層の関節訓練を可能にする確率的変分最適化アプローチを導入した。実験により,QGLMニューロンにより実装された様々な活性化関数に対するアプローチの利点を示した。【JST・京大機械翻訳】