面向无监督域适应的量子相关对齐
量子物理
2021-06-04 v4 机器学习
摘要
相关对齐（CORAL）作为一种代表性的域适应（DA）算法，将带标签的源域数据集去相关并与无标签的目标域数据集对齐，以最小化域偏移，从而可应用分类器预测目标域标签。本文通过两种不同方法在量子设备上实现 CORAL。一种方法利用量子基础线性代数子程序（QBLAS）实现 CORAL，在给定数据样本的数量与维度上获得指数级加速。另一种方法通过变分混合量子–经典流程实现。此外，给出了 CORAL 在三类不同数据集（即合成数据、合成 Iris 数据、手写数字数据）上的数值实验以评估我们工作的性能。仿真结果表明，变分量子相关对齐算法（VQCORAL）可取得与经典 CORAL 相当的竞争性能。
引用
@article{arxiv.2005.03355,
title = {Quantum correlation alignment for unsupervised domain adaptation},
author = {Xi He},
journal= {arXiv preprint arXiv:2005.03355},
year = {2021}
}
备注
11 pages, 9 figures