×
张富文;谭永刚;蔡青玉

用模拟量子半限制玻尔兹曼机实现数字识别。 （英语） Zbl 1511.68235号

Commun公司。西奥。物理学。 74，第9号，文章ID 095101，第6页（2022）.

MSC公司：

68T05型 人工智能中的学习和自适应系统
2012年第68季度 计算理论中的量子算法和复杂性
68吨10 模式识别、语音识别
81页68 量子计算

关键词：

机器学习;量子玻尔兹曼机;量子算法

软件：

火炬;时尚-MNIST;柯迪;达奇;羊水过少
PDF格式BibTeX公司 XML格式引用
\textit{F.Zhang}等人，Commun。西奥。物理学。74，第9号，文章ID 095101，6页（2022；Zbl 1511.68235）
全文： DOI程序

参考文献：

[1] 最大W。；Hinton，G.E.，平均场Boltzmann机器的新学习算法，351-357（2002），Springer:Berlin，Springer·Zbl 1013.68639号 ·doi:10.1007/3-540-46084-5_57
[2] Dahl，G.，均值-方差受限Boltzmann机器的电话识别，高级神经信息处理。系统。，1, 469-477 (2010) ·doi:10.5555/297189.2997242
[3] Eslami，S.，《形状Boltzmann机器：物体形状的强大模型》，《国际计算机杂志》。愿景，107，155-176（2014）·Zbl 1294.68135号 ·doi:10.1007/s11263-013-0669-1
[4] Liao，L。；Jin，W。；Pavel，R.，《用于预测和健康评估的具有可预测性正则化的增强受限Boltzmann机器》，IEEE Trans。Ind.Electron公司。，63, 7076-7083 (2016) ·doi:10.1109/TIE.2016.2586442
[5] Carleo，G。；Troyer，M.，用人工神经网络解决量子多体问题，《科学》，355602-606（2017）·Zbl 1404.81313号 ·doi:10.1126/science.aag2302
[6] Hinton，G.E.，《通过最小化对比差异训练专家产品》，神经计算。，14, 1771-1800 (2002) ·Zbl 1010.68111号 ·网址：10.1162/089976602760128018
[7] Carreira-Perpina，医学硕士。；Hinton，G.E.，《对比发散学习》，33-40（2005），PMLR
[8] Tieleman，T.，使用似然梯度近似值训练限制Boltzmann机器，1064-1071（2008）·数字对象标识代码：10.1145/1390156.1390290
[9] 辛顿，G.E。；Osindero，S。；Teh，Y.W.，深度信念网络的快速学习算法，神经计算。，18, 1527-1554 (2006) ·Zbl 1106.68094号 ·doi:10.1162/neco.2006.18.7.1527
[10] Cho，K.H。；Raiko，T。；Ilin，A.，高斯-伯努利深玻尔兹曼机，1-7（2013），新泽西州皮斯卡塔韦：IEEE，新泽西州皮斯卡塔韦·doi:10.1109/IJCNN.2013.6706831
[11] Salakhutdinov，R。；Tenenbaum，J.B。；Torralba，A.，《分层深度模型学习》，IEEE Trans。模式分析。机器。智力。，35, 1958-1971 (2012) ·doi:10.1109/TPAMI.2012.269
[12] LeCun，Y。；Y.本吉奥。；Hinton，G.E.，《深度学习》，《自然》，521436-444（2015）·doi:10.1038/nature14539
[13] Voulodimos，A.，《计算机视觉的深度学习：简要回顾》，《计算机》。智力。神经科学。，2018, 7068349 (2018) ·doi:10.1155/2018/7068349
[14] Povey，D.，The kaldi语音识别工具包（2011），IEEE信号处理协会，CONF
[15] 蒂勒曼，T。；Hinton，G.E.，使用快速权重改善持续对比度差异，1033-1040（2009）·doi:10.1145/1553374.1553506
[16] 舒尔德，M。；锡纳伊斯基，I。；Petruccione，F.，《量子机器学习导论》，康特姆。物理。，56, 172-185 (2015) ·doi:10.1080/00107514.2014.964942
[17] McLachlan，A.，含时薛定谔方程的变分解，分子物理学。，8, 39-44 (1964) ·doi:10.1080/00268976400100041
[18] Kurowski，K.，将基于量子退火的受限Boltzmann机器应用于mnist手写数字分类，计算。方法科学。技术。，27, 99-107 (2021) ·doi:10.12921/cmst.2021.00000011
[19] Zoufal，C。；卢奇，A。；Woerner，S.，变分量子玻尔兹曼机器，量子马赫数。智力。，3, 1-15 (2021) ·doi:10.1007/s42484-020-00033-7
[20] Verdon，G。；布劳顿，M。；Biamonte，J.，使用低深度电路训练神经网络的量子算法（2017）
[21] Biamonte，J.，《量子机器学习》，《自然》，549，195-202（2017）·doi:10.1038/nature23474
[22] 阿达奇，S.H。；Henderson，M.P.，量子退火在深层神经网络训练中的应用（2015）
[23] Fischer，A。；Igel，C.，《受限Boltzmann机器介绍》，伊比利亚美洲会议模式识别，14-36（2012），柏林：施普林格出版社，柏林·doi:10.1007/978-3-642-33275-32
[24] Salakhutdinov，R。；Mnih，A。；Hinton，G.E.，用于协同过滤的受限Boltzmann机器，791-798（2007）·doi:10.145/1273496.1273596
[25] Chen，C.P.，用于增强深度学习的模糊限制Boltzmann机器，IEEE Trans。模糊系统。，23, 2163-2173 (2015) ·doi:10.1109/TFUZZ.2015.2406889
[26] 霍普菲尔德，J.J.，《具有涌现集体计算能力的神经网络和物理系统》，Proc。国家科学院。科学。，79, 2554-2558 (1982) ·Zbl 1369.92007号 ·doi:10.1073/pnas.79.8.2554
[27] Hinton，G.E.，《波尔兹曼机器》，《学者传媒》，第21668页（2007年）·doi:10.4249/学术媒体.1668
[28] Larochelle，H.，分类受限Boltzmann机器的学习算法，J.Mach。学习研究，13643-669（2012）·Zbl 1283.68293号
[29] Ruder，S.，梯度下降优化算法概述（2016）
[30] Larochelle，H.，《深层建筑对多因素变化问题的实证评估》，473-480（2007）·doi:10.1145/1273496.1273556
[31] Farhi，E。；戈德斯通，J。；Gutmann，S.，量子近似优化算法（2014）
[32] 比亚蒙特，J.D。；Love，P.J.，通用绝热量子计算机的可实现哈密顿量，物理学。修订版A，78（2008）·Zbl 1255.81101号 ·doi:10.1103/PhysRevA.78.012352
[33] Lyakhova，Y.S。；波利亚科夫，E。；Rubtsov，A.，《可有效训练的半量子受限Boltzmann机器》（2020）
[34] Amin，M.H.，量子玻尔兹曼机器，物理学。版本X，8（2018年）·doi:10.1103/PhysRevX.8.021050
[35] Forrester，P.J。；汤普森，C.J.，《Golden-Thompson不等式：历史方面和随机矩阵应用》，J.Math。物理。，55 (2014) ·Zbl 1308.15018号 ·数字对象标识代码：10.1063/1.4863477
[36] Deng，L.，机器学习研究用手写数字图像的mnist数据库[网络最佳]，IEEE Signal Process Mag.，29，141-142（2012）·doi:10.1109/MSP.2012.2211477
[37] LeCun，Y.，《mnist手写数字数据库》（1998）
[38] 胡，Z。；Hong，L.J.，Kullback-Leibler发散约束分布稳健优化，在线优化，1695-1724（2013）
[39] 科洛伯特，R。；Bengio，S。；Mariéthoz，J.，Torch:模块化机器学习软件库，技术报告（2002）
[40] 克罗森，E。；Harrow，A.W.，《模拟量子退火可以比经典模拟退火快得多》，714-723（2016），IEEE·doi:10.1109/FOCS.2016.81
[41] Xiao，H。；拉苏尔，K。；Vollgraf，R.，Fashion-mnist:一种用于基准机器学习算法的新型图像数据集（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。