在 D-Wave 2000Q 上使用受限玻尔兹曼机进行训练与分类
机器学习
2021-07-02 v1 机器学习
摘要
受限玻尔兹曼机（RBM）是一种基于能量的无向图模型。它常用于无监督与有监督机器学习。通常，RBM 使用对比散度（CD）进行训练。然而，使用 CD 训练缓慢且不能估计对数似然代价函数的精确梯度。本工作中，RBM 梯度学习的模型期望使用量子退火器（D-Wave 2000Q）计算，其远快于 CD 中使用的马尔可夫链蒙特卡洛（MCMC）。训练与分类结果与 CD 进行比较。分类精度结果表明两种方法性能相近。图像重建以及对数似然计算被用于比较量子与经典算法在 RBM 训练上的性能。结果表明，从量子退火器获得的样本可用于在 64 位“条与条纹”数据集上训练 RBM，其分类性能与用 CD 训练的 RBM 相似。尽管基于 CD 的训练展现出更好的学习性能，使用量子退火器的训练消除了 CD 中计算昂贵的 MCMC 步骤。
引用
@article{arxiv.2005.03247,
title = {Training and Classification using a Restricted Boltzmann Machine on the D-Wave 2000Q},
author = {Vivek Dixit and Raja Selvarajan and Muhammad A. Alam and Travis S. Humble and Sabre Kais},
journal= {arXiv preprint arXiv:2005.03247},
year = {2021}
}
备注
Front. Phys., 29 June 2021