【摘要】：機器學習在過去十幾年里不斷發(fā)展,并對其他領域產(chǎn)生了深遠的影響.近幾年,研究人員發(fā)現(xiàn)結(jié)合量子計算特性的新型機器學習算法可實現(xiàn)對傳統(tǒng)算法的加速,該類成果引起了廣泛的關注和研究.因此,文中對近十年的量子機器學習算法進行總結(jié)、梳理.首先,介紹了量子計算和機器學習的基本概念;其次,從四個方面分別介紹了量子機器學習,分別是量子無監(jiān)督聚類算法、量子有監(jiān)督分類算法、量子降維算法、量子深度學習;同時,對比分析量子機器學習算法與傳統(tǒng)機器學習算法的區(qū)別和聯(lián)系;最后,總結(jié)該領域存在的問題及挑戰(zhàn),并對量子機器學習未來的工作進行展望.
[Abstract]:Machine learning has evolved over the past decade and has had a profound impact on other fields. In recent years, researchers have found that a new machine learning algorithm combining quantum computing properties can accelerate the traditional algorithm, which has attracted extensive attention and research. Therefore, this paper summarizes and combs the quantum machine learning algorithms in the last ten years. Firstly, the basic concepts of quantum computing and machine learning are introduced. Secondly, quantum machine learning is introduced from four aspects: quantum unsupervised clustering algorithm, quantum supervised classification algorithm, quantum dimensionality reduction algorithm and quantum depth learning. At the same time, the difference and relation between quantum machine learning algorithm and traditional machine learning algorithm are analyzed. Finally, the problems and challenges in this field are summarized, and the future work of quantum machine learning is prospected.
【作者單位】： 電子科技大學信息與軟件工程學院;
【基金】：國家自然科學基金(61502082) 中央高�；究蒲袠I(yè)務費基礎研究項目(ZYGX2014J065)資助
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 王曉;;大數(shù)據(jù)環(huán)境下機器學習算法趨勢研究[J];哈爾濱師范大學自然科學學報;2013年04期

2 辛憲會;葉秋果;滕惠忠;郭思海;李軍;張靚;韓曉宏;;小樣本機器學習算法的特性分析與應用[J];海洋測繪;2007年03期

3 何清;李寧;羅文娟;史忠植;;大數(shù)據(jù)下的機器學習算法綜述[J];模式識別與人工智能;2014年04期

4 王繼成;基于認知模擬的自適應機器學習算法研究[J];軟件學報;2001年08期

5 劉永定;陽愛民;周序生;鄒豪杰;;使用機器學習算法分類P2P流量的方法[J];計算機應用研究;2009年09期

6 陶卿;姚穗;范勁松;方廷健;;一種新的機器學習算法:Support Vector Machines[J];模式識別與人工智能;2000年03期

7 A N.Meltzoff;P K.Kuhl;J Movellan;T J.Sejnowski;馮銳;繆茜惠;;新學習科學的基礎[J];遠程教育雜志;2011年01期

8 張宏莉;魯剛;;分類不平衡協(xié)議流的機器學習算法評估與比較[J];軟件學報;2012年06期

9 張棟;柯長青;余瞰;;機器學習算法在ALOS影像分類中的應用研究[J];遙感信息;2010年03期

10 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

相關會議論文 前10條

1 何晏成;關毅;岳淑珍;;一個基于免疫機制的在線機器學習算法[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

2 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

3 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

4 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

5 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

6 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

7 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

8 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

8 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術(shù)研究[D];東南大學;2015年

9 胡文憑;基于深層神經(jīng)網(wǎng)絡的口語發(fā)音檢測與錯誤分析[D];中國科學技術(shù)大學;2016年

10 李曉剛;基于神經(jīng)網(wǎng)絡的碼垛機器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學;2015年

相關碩士學位論文 前10條

1 張春迎;機器學習算法在不同領域數(shù)據(jù)分析中的應用[D];天津大學;2014年

2 袁方方;基于云平臺的機器學習算法并行化研究與應用[D];內(nèi)蒙古師范大學;2016年

3 賈鑫;面向函數(shù)型數(shù)據(jù)分析的機器學習算法研究與應用[D];北京化工大學;2016年

4 張澤;機器學習算法及其工程應用研究[D];天津大學;2012年

5 張文濤;人工智能的唯物史觀反思[D];哈爾濱工業(yè)大學;2017年

6 婁斌;人工智能在社會應用中的法律問題研究[D];河南師范大學;2017年

7 班瑞;基于語義Web的機器學習算法研究與應用[D];南京理工大學;2006年

8 葉雷;機器學習算法在醫(yī)療數(shù)據(jù)分析中的應用[D];華中師范大學;2017年

9 張予焓;產(chǎn)品評價對象的提取與分析[D];北京郵電大學;2010年

10 劉金克;基于機器學習算法的隱喻識別研究[D];南京師范大學;2011年

，

本文編號：2369116