量子机器学习
2 条- 01随机重构作为过参数化神经量子态的统计滤波器
证明随机重构(SR)在过参数化场景下本质是岭回归,其对角偏移起统计滤波作用,控制有限样本泛化误差
- 02学习为机器学习编程自适应非局域可观测量
提出QFWP-ANO架构,用经典超网络动态生成量子神经网络的参数与多比特测量可观测量,突破静态观测限制。
证明随机重构(SR)在过参数化场景下本质是岭回归,其对角偏移起统计滤波作用,控制有限样本泛化误差
提出QFWP-ANO架构,用经典超网络动态生成量子神经网络的参数与多比特测量可观测量,突破静态观测限制。