文献

J-GLOBAL ID：202202287734845678   整理番号：22A1158637

量子ニューラルネットワークの量子活性化関数【JST・京大機械翻訳】

Quantum activation functions for quantum neural networks

著者 (5件)： Maronese Marco (Istituto di Fotonica e Nanotecnologie, Consiglio Nazionale delle Ricerche, Milano, Italy) ,  Maronese Marco (Dipartimento di Fisica, Universita degli Studi di Milano Bicocca, Piazza della Scienza, Milano, Italy) ,  Destri Claudio (Dipartimento di Fisica, Universita degli Studi di Milano Bicocca, Piazza della Scienza, Milano, Italy) ,  Prati Enrico (Istituto di Fotonica e Nanotecnologie, Consiglio Nazionale delle Ricerche, Milano, Italy) ,  Prati Enrico (Dipartimento di Fisica, “Aldo Pontremoli”, Universita degli Studi di Milano, Milan, Italy)
資料名： Quantum information Processing  (Quantum information Processing)
巻： 21  号： 4  ページ： 128  発行年： 2022年 
JST資料番号： A1088A  ISSN： 1570-0755  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人工ニューラルネットワークの分野は,量子コンピュータの最近の発展から強く恩恵を受けることが期待される。特に,量子マシン学習,訓練可能なニューラルネットワークを作り出すための量子ビットを利用する量子アルゴリズムのクラスは,パターン認識,クラスタリングおよび機械学習のような問題を解決するために,より多くの電力を提供するであろう。フィードフォワードニューラルネットワークのビルディングブロックは,任意の活性化関数に従って活性化される出力ニューロンに接続されたニューロンの1層から成る。対応する学習アルゴリズムは,Rosenblattパーセプトロンの名前の下で行く。特定の活性化関数を有する量子パーセプトロンは知られているが,量子コンピュータ上で任意の活性化関数を実現するための一般的な方法は,まだ不足している。ここでは,任意の解析的活性化関数をそのべき級数の任意の次数に近似できる量子アルゴリズムでこのギャップを埋める。不可逆測定ベースおよび単純化活性化関数を提供する以前の提案と異なり,ここでは,情報符号化状態を測定する必要なしに任意の要求精度に対して任意の解析的関数を近似する方法を示した。この構築の普遍性のおかげで,任意のフィードフォワードニューラルネットワークはHornikの定理に従って普遍的近似特性を獲得する。著者らの結果は,ゲートモデル量子コンピュータのアーキテクチャにおける人工ニューラルネットワークの科学を再キャストする。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *関数 ,  パターン認識 ,  学習 ,  簡素化 ,  電力 ,  ニューロン ,  *ニューラルネットワーク ,  近似法 ,  計算機アーキテクチャ ,  パーセプトロン ,  機械学習 ,  学習アルゴリズム ,  量子コンピュータ
準シソーラス用語： *活性化関数 ,  フィードフォワードニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 量子パーセプトロン ,  量子ニューラルネットワーク ,  量子活性化関数 ,  Hornikの定理

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 量子 ,  ニューラルネットワーク ,  活性化関数