变分量子电路与量子反向传播多层感知机在COVID-19疫情预测中的比较研究
量子物理
2020-08-20 v2 机器学习
摘要
已有众多量子神经网络模型被应用于图像分类、模式识别等不同问题。量子启发算法在相当长一段时间内都具有相关性。最近，在NISQ（含噪声中等规模量子）时代，混合量子经典模型已展现出有前景的结果。多特征回归是经典机器学习中的常见问题。因此，我们给出了连续变量量子神经网络（变分电路）与量子反向传播多层感知机（QBMLP）的比较分析。我们选择了预测印度和美国COVID-19病例增长这一当下问题。我们对两个模型进行了统计比较，二者均优于经典人工神经网络。
引用
@article{arxiv.2008.07617,
title = {Comparative study of variational quantum circuit and quantum backpropagation multilayer perceptron for COVID-19 outbreak predictions},
author = {Pranav Kairon and Siddhartha Bhattacharyya},
journal= {arXiv preprint arXiv:2008.07617},
year = {2020}
}
备注
Comparative analysis of two quantum neural network models to solve a multi-dimensional regression problem