绝热量子支持向量机
我们描述了一种用于训练支持向量机的绝热量子方法，该方法的量子计算时间复杂度比经典方法好一个数量级，我们在五个基准数据集上比较了量子方法和经典方法的测试准确度，在可扩展性研究中，我们发现量子方法在具有许多特征的数据集上比经典方法快 3.5-4.5 倍。
本研究将量子支持向量机与多目标遗传算法相结合，实现了乳腺癌数据集上的特征选择，取得了卓越性能。研究强调了量子特征选择在提高机器学习效率和性能方面的潜力。
BriefGPT - AI 论文速递 -
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步：在公众号对话中发送验证码：