机构名称：
¥ 1.0
摘要 最近，将经典数据转换为量子信息为改进机器学习任务带来了巨大的潜在应用。特别是，量子特征图可以提供一种有前途的替代内核来增强支持向量分类器 (SVC)。虽然现有的设计高性能特征图的指导原则很少，但一种称为 Pauli 特征图的量子电路系列可以说是表现良好的。该系列的特点是量子电路上出现 Pauli 门，同时它仍具有几个可调参数，其最优值对数据集的性质很敏感。在这项工作中，我们提出了一种使用遗传算法 (GA) 自动生成此类特征图的方法，旨在最大限度地提高模型的准确性，同时尽可能保持电路简单。我们将该方法应用于合成数据集和真实数据集。与几个经典和量子核基线相比，讨论了由此产生的分类指标和最佳电路。一般来说，GA 生成的特征图比其他基线表现更好。此外，结果表明，进化电路在不同的数据集之间趋于不同，这表明该通用方案可用于确定特定数据集的最佳定制量子特征图。
基于泡利量子核分类的进化算法设计
主要关键词
相关文件推荐
