量子计算机使用量子机械原理进行计算,在许多计算问题中,它们比古典计算机更强大(Shor 1994; Grover 1996)。开发了许多量子机学习算法,例如量子支持矢量机,量子主体分析和量子玻尔兹曼机器(Wiebe等人。2012; Schuld等。2015a; Biamonte等。2017; Rebentrost等。2014;劳埃德等。2014; Amin等。2018; Gao等。2018),这些算法比其经典版本更有效。近年来,DNNS(Lecun等人2015)成为机器学习中最重要,最有力的方法,该方法广泛应用于计算机视觉中(Voulodimos等人。2018),自然语言处理(Socher等人2012)和许多其他领域。DNN的基本单元是感知器,它是一种仿射转换,以及激活函数。激活函数的非线性和深度给出了DNN大量表示
。CC-BY 4.0 国际许可,根据 (未经同行评审认证)提供,是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者,此版本于 2020 年 7 月 6 日发布。;https://doi.org/10.1101/2020.07.05.188847 doi:bioRxiv 预印本