机构名称：
¥ 4.0
摘要：尽管经典机器学习取得了不可否认的成功，但它仍然是一个资源密集型的过程。现在，训练最先进模型的实际计算工作只能由高速计算机硬件来处理。由于这种趋势预计将持续下去，越来越多的机器学习研究人员正在研究量子计算的潜在优势也就不足为奇了。现在关于量子机器学习的科学文献非常多，有必要对其现状进行回顾，使其无需物理学背景即可理解。本研究的目的是从传统技术的角度对量子机器学习进行回顾。从计算机科学家的角度出发，我们通过量子机器学习算法给出从基础量子理论到量子机器学习算法的研究路径，讨论了一组量子机器学习的基本算法，这些算法是量子机器学习算法的基本组成部分。我们在量子计算机上实现了量子卷积神经网络 (QNN) 来识别手写数字，并将其性能与经典的卷积神经网络 (CNN) 进行比较。此外，我们在乳腺癌数据集上实现了 QSVM，并将其与经典 SVM 进行了比较。最后，我们在 Iris 数据集上实现了变分量子分类器 (VQC) 和许多经典分类器，以比较它们的准确性。
量子机器学习：回顾与案例研究
主要关键词
相关文件推荐
