机构名称：
¥ 2.0
摘要我们对一个简单的 d 级系统 (qudit) 的学习能力进行了全面的研究。我们的研究专门针对使用真实数据库（特别是 Iris、乳腺癌和 MNIST 数据集）的分类任务。我们探索了度量学习框架中的各种学习模型以及不同的编码策略。具体来说，我们采用数据重新上传技术和最大正交状态来容纳低维系统中的输入数据。我们的研究结果揭示了最佳策略，表明当输入特征数据的维度和类别数量不明显大于 qudit 的维度时，我们的结果与最佳经典模型相比显示出良好的可比性。即使对于维度 d < 5 并使用具有几层（L = 1、2）的算法的小型量子系统，这种趋势也是如此。但是，对于 MNIST 等高维数据，我们采用一种混合方法，即通过卷积神经网络进行降维。在这种情况下，我们观察到小型量子系统经常充当瓶颈，导致与经典系统相比准确性较低。
Qudit机器学习
主要关键词
相关文件推荐
