西瓦尼·赛尼;科斯拉,P.K。;曼吉特·考尔;古尔莫汉·辛格 量子驱动的机器学习。 (英语) Zbl 1462.81063号 国际J.Theor。物理学。 59,第12期,4013-4024(2020). 概要:量子计算被证明对解决复杂的机器学习问题非常有益。量子计算机在处理和操纵向量和矩阵运算方面天生就很优秀。不断增长的数据量开始为经典机器学习系统带来瓶颈。量子计算机正在成为解决大数据相关问题的潜在解决方案。提出了一种基于量子支持向量机(QSVM)算法的量子机器学习模型来解决分类问题。量子机器学习模型在量子模拟器和实时超导量子处理器上实际实现。从处理速度和精度的角度计算了量子机器学习模型的性能,并与经典模型进行了比较。乳腺癌数据集用于分类问题。这些结果表明量子计算机提供了量子加速。 引用于1文件 MSC公司: 81页68 量子计算 68T05型 人工智能中的学习和自适应系统 65年第68季度 算法和问题复杂性分析 68瓦30 符号计算和代数计算 关键词:量子比特;量子计算;机器学习;支持向量机;大数据 软件:PMTK公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Saini}等人,国际期刊Theor。物理学。59,第12号,4013--4024(2020;Zbl 1462.81063) 全文: 内政部 参考文献: [1] D.Reinsel、J.Gantz和J.Rydning,“从边缘到核心的世界数字化”,IDC白皮书#US44413318,2018 [2] 蔡,C。;赖,C。;Chao,H.,大数据分析:一项调查,《大数据杂志》,2,21,1-32(2015) [3] P.A.M.Dirac,《量子力学原理》,第4版,牛津大学出版社,(1930/1958) [4] Nielsen,M.A.,Chuang,I.L.:量子计算和量子信息。剑桥:剑桥大学出版社(2000)·Zbl 1049.81015号 [5] Murphy,K.P.:机器学习:概率观点。麻省理工学院出版社(2012)·Zbl 1295.68003号 [6] 舒尔德,M。;Petruccione,ISF,量子机器学习导论,康特姆。物理。,56, 2, 172-185 (2015) ·doi:10.1080/00107514.2014.964942 [7] Biamonte,J.,Wittek,P.,Pancotti,N.,Rebentrost,P.、Wiebe,N.、Lloyd,S.:量子机器学习。自然。549(7671),(2016年11月) [8] Mishra,N.、Kapil,M.、Rakesh,H.、Anand,A.、Warke,A.、Sarkar,S.、Dutta,S.和Gupta,S..、Dash,A.P.、Gharat,R.、Chatterjee,Y.、Roy,S.,Raj,S.以及Jain,V.K.、Bagaria,S.。、Chaudhary,S..,Singh,V.,Maji,R.,Dalei,P.、Behera,B.K.、Mukhopadhyay,S.及Panigrahi,P.K.:量子机器学习:回顾与现状,第1-24页。doi:10.13140/RG.2.2.22824.72964 [9] Wittek,P.:量子机器学习。学术出版社。73-83, (2014). doi:10.1016/B978-0-12-800953-6.00020-7·Zbl 1304.68008号 [10] Lloyd,SP,pcm中的最小二乘量化,IEEE信息理论汇刊,28129-137(1982)·Zbl 0504.94015号 ·doi:10.1109/TIT.1982.1056489 [11] 卢,S。;Braunstein,S.,量子决策树分类器,Quantum Inf.Process,13757-770(2014)·兹比尔1291.81103 ·doi:10.1007/s11128-013-0687-5 [12] Ciliberto,C.、Herbster,M.、Ialongo,A.D.、Pontil,M.,Rocchetto,A.、Severini,S.、Wossnig,L.:量子机器学习:经典观点。程序。R.Soc.A数学。物理学。工程科学。474(2209), (2018) ·Zbl 1402.68154号 [13] Dunjko,V.,Briegel,H.J.:量子领域的机器学习和人工智能:最新进展综述。报告程序。物理学。81(7), (2018) [14] Havlicek,V.,Corcoles,A.D.,Temme,K.,Harrow,A.W.,Kandala,A.,Chow1,J.M.,Gambetta,J.M.:使用量子增强特征空间进行监督学习。自然。567(7747), 209-212 (2019) [15] 安吉塔,D。;Ridela,S。;里维奇奥,F。;Zunino,R.,训练支持向量机的量子优化,神经网络。,16, 5-6, 763-770 (2003) ·doi:10.1016/S0893-6080(03)00087-X [16] 哈罗,AW;Hassidim,A。;Lloyd,S.,线性方程组的量子算法,物理评论信件,103,15,150502(2009)·doi:10.1103/PhysRevLett.103.150502 [17] Patrick Rebentrost、Masoud Mohseni和Seth Lloyd“大数据分类的量子支持向量机”,Phys。修订稿。,2014年9月113:130503 [18] 日本苏肯斯;Vandewalle,J.,最小二乘支持向量机分类器,神经网络。过程。莱特。,9, 3, 293-300 (1999) ·doi:10.1023/A:1018628609742 [19] Seth Lloyd、Masoud Mohseni和Patrick Rebentrost“监督和非监督的量子算法”,机器学习。arXiv:1307.04112013年7月 [20] 威斯康星州乳腺癌(诊断)数据集。[在线]。可用:https://www.kaggle.com/uciml/breast-cancer-wisconsin-data网址 [21] IBM、IBM Quantum体验。https://quantumexperience.ng.bluemix.net/qx/experience。2020年3月12日访问 [22] IBM,量子信息科学工具包。https://qiskit.org/aqua。2020年3月访问 [23] Adebola Lamidi,“使用支持向量机(SVM)进行乳腺癌分类”,2018年11月23日。可用:https://towardsdastascience.com/bream-cancer-classification-using-support-vector-machinesesvm-a510907d4878(https://towardsdastascience.com/bream-cancer-classification-using-support-vector-machinesesvm-a510907d4878) [24] 乳腺细针抽吸活检。美国癌症学会医学和编辑内容团队。可用:https://www.cancer.org/cancer/broom-cancer/screening-tests-and-early-detection/broom-biopsy/fine-needle-aspiration-biopsy-of-the-brast.html 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。