BriefGPT - AI 论文速递
·
量子循环神经网络的密度矩阵仿真在多元时间序列预测中的应用
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于带限傅里叶展开的量子感知器（QPs）转移函数的模型，用于设计可扩展的训练过程的量子神经网络（QNNs），并添加了一种随机化的量子随机梯度下降技术，消除了样本复制的需要。该训练过程期望收敛于真实最小值，有助于提高数据效率和遵守禁止复制规则。
🎯
关键要点
-
提出了一种基于带限傅里叶展开的量子感知器（QPs）转移函数的模型。
-
该模型用于设计可扩展的训练过程的量子神经网络（QNNs）。
-
添加了一种随机化的量子随机梯度下降技术，消除了样本复制的需要。
-
证明该训练过程期望收敛于真实最小值。
-
该方法有助于提高数据效率和遵守禁止复制规则。
➡️
