机构名称：
¥ 4.0
数据集的拓扑不变性，例如从一个长度比例到另一个长度的孔数（持续的贝蒂数字）可用于分析和分类机器学习应用程序中的数据。我们提出了一种用于计算持续贝蒂数字的改进的量子算法，并提供了端到端的复杂性分析。我们的方法可在现有的量子算法上提供大量的多项式时间改进，并节省指数空间。符合差距依赖性，我们的算法在严格的最先进的经典算法中获得了几乎Quintic的加速，以计算持久的betti数字到恒定的添加性错误 - 应用程序的稳定任务。但是，与启发式经典方法和观察到的量表相比，这可以简化为更接近二次的。我们讨论量子算法是否可以按照先前所声称的实用性任务实现指数加速。我们得出结论，目前没有证据表明情况。
a-streamlined-quantum-apotogical-data- ...
主要关键词
相关文件推荐
