×

量子决策树分类器。 (英语) Zbl 1291.81103号

摘要:我们研究了决策树分类器的量子版本,以填补量子计算和机器学习之间的差距。本文提出了量子熵杂质准则,用于确定应该分裂哪个节点。通过使用两个量子态之间的量子保真度度量,我们将训练数据聚类为子类,以便量子决策树可以操纵量子态。我们还提出了构造量子决策树和在树上搜索新量子对象的目标类的算法。

MSC公司:

81页68 量子计算
94甲17 信息的度量,熵

软件:

PRMLT公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bishop,C.M.:模式识别和机器学习。施普林格,纽约(2006)·Zbl 1107.68072号
[2] T.M.米切尔:机器学习。McGraw-Hill,纽约(1997)·兹比尔0913.68167
[3] Jain,A.K.,Duin,R.P.W.,Mao,J.:统计模式识别:综述。IEEE T.模式分析。22, 4-37 (2000) ·doi:10.1109/34.824819
[4] Nielsen,M.A.,Chuang,I.L.:量子计算和量子信息。剑桥大学出版社,剑桥(2000)·Zbl 1049.81015号
[5] Quinlan,J.R.:决策树的归纳。机器。学习。1, 81-106 (1986)
[6] Pudenz,K.L.,Lidar,D.A.:量子绝热机器学习。量子信息处理。12, 2027-2070 (2013) ·Zbl 1271.81052号 ·doi:10.1007/s11128-012-0506-4
[7] Tarrataca,L.,Wichert,A.:量子生产模型。量子信息处理。189-209年第1季度(2011年)
[8] Hirsh,H.:AI的一次飞跃。IEEE Intell。系统。14、9-16(1999年7月/8月)
[9] Bonner,R.,Freivalds,R.:量子学习调查。摘自:第三届量子计算与学习研讨会论文集,第106-119页(2002年)·Zbl 1271.81052号
[10] Aïmeur,E.,Brassard,G.,Gambs,S.:量子世界中的机器学习。程序。可以。AI 2006,431-442(2006)
[11] 艾梅尔,E.,布拉萨尔,G.,甘姆斯,S.:无监督学习的量子加速。机器。学习。90, 261-287 (2013) ·兹比尔1260.68319 ·doi:10.1007/s10994-012-5316-5
[12] Ezhov,A.A.:量子神经网络的模式识别。摘自:《模式识别进展学报》,第60-71页(2001年)·Zbl 0977.68723号
[13] 文图拉:使用量子系统进行模式分类。摘自:《第六届信息科学联合会议记录》,第537-540页(2002年)
[14] Grover,L.K.:数据库搜索的快速量子力学算法。摘自:第28届ACM计算机理论年会论文集,第212-219页(1996)·Zbl 0922.68044号
[15] Schützhold,R.:量子计算机上的模式识别。物理学。修订版A.67,062311(2003)·doi:10.1103/PhysRevA.67.062311
[16] Gambs,S.:量子分类(2008)。arXiv:quant-ph/0809.0444·Zbl 1047.68072号
[17] Guta,M.,Kotlowski,W.:量子学习:量子位状态的渐近最优分类。新J.Phys。12, 123032 (2010) ·Zbl 1448.68386号 ·doi:10.1088/1367-2630/12/123032
[18] Sasaki,M.,Carlini,A.:量子学习和通用量子匹配机。物理学。版本A.66,022303(2002)·doi:10.1103/PhysRevA.66.022303
[19] Shi,Y.:量子决策树复杂性的熵下限。通知。过程。莱特。81, 23-27 (2002) ·Zbl 1047.68072号 ·doi:10.1016/S0020-0190(01)00191-0
[20] Buhrman,H.,Wolf,R.D.:复杂性度量和决策树复杂性:一项调查。西奥。计算。科学。288, 21-43 (2002) ·Zbl 1061.68058号 ·doi:10.1016/S0304-3975(01)00144-X
[21] Dürr,\[C.,H\phi\]yer,P.:。求极小值的量子算法(1996)。arXiv:quant-ph/9607014
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。