基于距离分类器的量子单类分类
量子物理
2021-05-07 v2 机器学习
摘要
量子计算技术的进步为在真实量子设备上执行算法带来了可能性。然而，当前量子硬件中存在的错误和可用量子比特数量少使得有必要使用更少量子比特和更少操作的解决方案，以减轻这些障碍。Hadamard分类器(HC)是一种基于距离的量子机器学习模式识别模型。我们提出了一种基于HC的新分类器，称为量子单类分类器(QOCC)，它由最小的量子机器学习模型组成，具有更少的操作和量子比特，因此能够减轻NISQ（噪声中等规模量子）计算机的错误。通过在量子设备上运行所提出的分类器获得的实验结果表明，QOCC相对于HC具有优势。
引用
@article{arxiv.2007.16200,
title = {Quantum One-class Classification With a Distance-based Classifier},
author = {Nicolas M. de Oliveira and Lucas P. de Albuquerque and Wilson R. de Oliveira and Teresa B. Ludermir and Adenilton J. da Silva},
journal= {arXiv preprint arXiv:2007.16200},
year = {2021}
}
备注
Accepted for publication in The International Joint Conference on Neural Networks (IJCNN), 2021