用于增强数据分类的量子半监督生成对抗网络
量子物理
2021-10-12 v1
摘要
在本文中，我们提出量子半监督生成对抗网络（qSGAN）。该系统由量子生成器和经典判别器/分类器（D/C）组成。目标是训练生成器和 D/C，使后者对给定数据集获得高分类准确率。生成器既不需要任何数据加载，也不需要生成纯量子态，同时由于其丰富的表达性，有望作为比经典生成器更强的对手。这些优势在数值模拟中得到了证明。
引用
@article{arxiv.2010.13727,
title = {Quantum semi-supervised generative adversarial network for enhanced data classification},
author = {Kouhei Nakaji and Naoki Yamamoto},
journal= {arXiv preprint arXiv:2010.13727},
year = {2021}
}
备注
9 pages, 7 figures