知识卡片
量子点网络以时间切片映射隐层
一种书中介绍的量子点神经网络方案把每个输入对应到量子点,让系统随时间演化,再把固定间隔的观测时刻映射为隐层单元。增加时间切片在这一方案中相当于增加隐层表示,但这只是该模型的结构设定,不能推广为所有 [[量子神经网络是模型家族]] 的通则;书中也未给出训练、测量和性能验证的完整细节。
示例(补充教学示例,非书中数据):一个输入对应一个量子点,在 t=1、2、3 三个固定时刻各观察一次,就得到 3 个隐层单元。若改成 5 个时刻,隐层变成 5 个。切片多只表示该硬件方案里“隐层更宽”,不等于分类一定更准。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 5 . 2 . 1 量 子 人 工 神 经 网 络 · 查看原书依据
Behrman等也提出了用量子点实现QNN的方法,对于每个输入采用一个量子点,系统按量子机理进行时间进化,观察则在固定的时间间隔,不同的时间切片作为QNN中隐层的神经元;因此,越多的时间切片,将有越多的隐层单元。
参考来源
- 位置:《智能算法导论》第 147 项《1 5 . 2 . 1 量 子 人 工 神 经 网 络》(源文件:`_epub-src/EPUB/xhtml/chapter15_0008.xhtml`)
- 结论依据:原文对 Behrman 等人的提案给出输入、量子点、时间演化和时间切片与隐层的映射,并称切片越多隐层单元越多。三时刻切片是补充教学示例,非书中实验设置。
- 原始内容:对于每个输入采用一个量子点,系统按量子机理进行时间进化,观察则在固定的时间间隔,不同的时间切片作为QNN中隐层的神经元