ماشین بردار پشتیبان کوانتومی
ماشین بردار پشتیبان کوانتومی (QSVM) یک الگوریتم یادگیری ماشین کوانتومی است که فضاهای ویژگی کوانتومی را با آموزش SVM کلاسیک ترکیب میکند. QSVM که توسط Rebentrost و همکاران در سال ۲۰۱۴ پیشنهاد شد، از پردازندههای کوانتومی برای محاسبه توابع هسته استفاده میکند و به طور بالقوه سرعت را برای مسائل طبقهبندی افزایش میدهد، در حالی که در دستگاههای کوانتومی نزدیک به واقعیت عملی باقی میماند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Rebentrost, P., Mohseni, M., Lloyd, S. (2014). Quantum support vector machine for big data classification. Physical Review Letters, 113, 130503. DOI: 10.1103/PhysRevLett.113.130503 ↗
- Havlíček, V., Córcoles, A. D., Temme, K., et al. (2019). Supervised learning with quantum-enhanced feature spaces. Nature, 567, 209–212. DOI: 10.1038/s41586-019-0980-2 ↗
- Liu, Y., Arunachalam, S., Temme, K. (2021). A rigorous and robust quantum speed-up in supervised machine learning. arXiv preprint arXiv:2010.07471. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Quantum Support Vector Machine. ScholarGate. https://scholargate.app/fa/quantum-computing/quantum-svm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الگوریتم بهینهسازی تقریبی کوانتومیمحاسبات کوانتومی↔ compare
- الگوریتم خودکار مقادیر ویژه متغیرمحاسبات کوانتومی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →