机构名称：
¥ 1.0
目前尚不清楚近期的量子计算机是否有利于机器学习任务。在这项工作中，我们试图了解量子机器学习模型相对于流行的经典神经网络有多强大和可训练，从而解决这个问题。我们提出了有效维度——一种捕捉这些品质的度量——并证明它可用于评估任何统计模型对新数据的泛化能力。至关重要的是，有效维度是一种依赖于数据的度量，也依赖于 Fisher 信息，这使我们能够衡量模型的训练能力。我们通过数字证明，一类量子神经网络能够实现比同类前馈网络更好的有效维度，并且训练速度更快，这表明量子机器学习具有优势，我们在真实的量子硬件上验证了这一点。
量子神经网络的力量
主要关键词
相关文件推荐
