用于语音识别的基于共识的分布式量子核学习
量子物理
2024-09-10 v1 计算机视觉与模式识别
分布式、并行与集群计算
机器学习
摘要
本文提出了一种基于共识的分布式量子核学习（CDQKL）框架，旨在通过分布式量子计算改进语音识别。CDQKL 解决了集中式量子核学习中的可扩展性和数据隐私挑战。它通过将计算任务分布到通过经典通道连接的量子终端上来实现这一点。这种方法允许在不共享本地训练数据的情况下交换模型参数，从而维护数据隐私并提高计算效率。在基准语音情感识别数据集上的实验评估表明，与集中式和本地量子核学习模型相比，CDQKL 在分类准确性和可扩展性方面具有竞争力。CDQKL 的分布式特性在隐私保护和计算效率方面具有优势，使其适用于电信、汽车和金融等数据敏感领域。研究结果表明，CDQKL 可以有效地利用分布式量子计算进行大规模机器学习任务。
引用
@article{arxiv.2409.05770,
title = {Consensus-based Distributed Quantum Kernel Learning for Speech Recognition},
author = {Kuan-Cheng Chen and Wenxuan Ma and Xiaotian Xu},
journal= {arXiv preprint arXiv:2409.05770},
year = {2024}
}