机构名称：
¥ 1.0
张量网络 (TN) 在机器学习中得到了广泛的应用，特别是 TN 和深度学习有着惊人的相似之处。在这项工作中，我们提出了量子-经典混合张量网络 (HTN)，它将张量网络与经典神经网络结合在一个统一的深度学习框架中，以克服常规张量网络在机器学习中的局限性。我们首先分析了常规张量网络在机器学习应用中的局限性，包括表示能力和架构可扩展性。我们得出结论，事实上，常规张量网络不适合成为深度学习的基本构建块。然后，我们讨论了 HTN 的性能，它克服了常规张量网络在机器学习方面的所有缺陷。从这个意义上说，我们能够以深度学习的方式训练 HTN，这是反向传播和随机梯度下降等算法的标准组合。最后，我们提供两个适用案例来展示 HTN 的潜在应用，包括量子态分类和量子-经典自动编码器。这些案例也展示了以深度学习方式设计各种 HTN 的巨大潜力。
通过混合张量网络进行量子经典机器学习
主要关键词
相关文件推荐
