Maszyna wektorów nośnych w ujęciu kwantowym
Maszyna wektorów nośnych w ujęciu kwantowym (QSVM) to algorytm kwantowego uczenia maszynowego łączący kwantowe przestrzenie cech z klasycznym treningiem SVM. Zaproponowana przez Rebentrost i wsp. w 2014 r. QSVM wykorzystuje procesory kwantowe do obliczania funkcji jądra, potencjalnie oferując przyspieszenie dla problemów klasyfikacji, pozostając jednocześnie praktyczna na dostępnych obecnie urządzeniach kwantowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Quantum Support Vector Machine. ScholarGate. https://scholargate.app/pl/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.
- Kwantowy Algorytm Przybliżonej OptymalizacjiObliczenia kwantowe↔ compare
- Wariacyjny Kwantowy Algorytm Rozwiązywania (VQE)Obliczenia kwantowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →