机构名称：
¥ 1.0
事实证明，人工神经网络 (ANN) 能够有效解决使用机器学习进行大数据分析的许多问题。ANN 可以学习和概括输入数据的复杂和非线性特征。在大数据时代，大量数据来自多个来源。预计甚至超级计算机也将被大数据淹没。由于大数据的大小和维度，在这种情况下训练 ANN 是一项具有挑战性的任务。此外，网络中需要使用和优化大量参数来学习模式并分析此类数据。量子计算正在成为一个为该问题提供解决方案的领域，因为量子计算机可以使用量子位以不同的方式表示数据。量子计算机上的量子位可用于检测数据中传统计算机难以发现的隐藏模式。因此，人工神经网络领域具有巨大的应用空间。在这项工作中，我们主要专注于使用量子比特作为人工神经元来训练人工神经网络。模拟结果表明，与传统 ANN 相比，我们的 ANN 量子计算方法 (QC ANN) 非常高效。对于二元分类任务，以量子比特为人工神经元的模型可以使用更少的参数来学习数据的特征。我们使用量子模拟器演示了我们的实验，并在经典计算机上对 QC ANN 中使用的量子参数进行了优化。
使用量子比特训练人工神经网络作为...
主要关键词
相关文件推荐
