机构名称：
¥ 1.0
储层计算是一种强大的机器学习范例，可用于在线时间序列处理。由于其独特的高计算能力和低训练成本组合，它在混沌时间序列预测和连续语音识别等任务中达到了最先进的性能，这使它有别于传统训练的循环神经网络等替代方案，此外，它还适合在专用硬件中实现，有可能实现极其紧凑和高效的储层计算机。最近有人提出使用随机量子系统，利用量子动力学的复杂性进行经典时间序列处理。然而，在不干扰量子系统状态的情况下从量子系统中提取输出是有问题的，并且可以预期会成为此类方法的瓶颈。在这里，我们提出了一种受储层计算启发的方法，用于在线处理由量子信息组成的时间序列，从而避开测量问题。我们通过将两个典型的基准任务从经典储层计算推广到量子信息，并引入一个没有经典模拟的任务来说明其强大功能，其中训练一个随机系统来在从不直接交互的系统之间创建和分配纠缠。最后，我们讨论只有输入或只有输出时间序列是量子的部分概括。
使用随机振荡器网络进行在线量子时间序列处理
主要关键词
相关文件推荐
