量子 KNN 编码实现并完成基准测试
热点事件持续更新
量子 KNN 编码实现并完成基准测试
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Christopher Rector 和 Jiangwen Sun 提出一种量子编码方法，并将其用于量子 k 近邻（QKNN）；该方法通过为每个向量追加一个分量，使不同 L2 范数的向量能够计算欧氏距离，研究已完成算法实现。 研究在标准带标签数据集上将该实现与近期欧氏距离 QKNN 方法进行基准比较。论文称，在带真实噪声的模拟中，该方法因使用更少量子比特并形成更具相干性的电路，表现出明显改进。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
基于幅值感知比较的量子 k 近邻（QKNN）实现报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning基于幅值感知比较的量子 k 近邻（QKNN）实现
研究提出一种用于量子 k 近邻（QKNN）的量子编码技术：为每个向量追加一个分量，使不同 L2 范数的向量能够计算欧氏距离。研究实现该算法，并在标准带标签数据集上与近期欧氏距离 QKNN 方法进行基准比较；在带真实噪声的模拟中，因使用更少量子比特、形成更具相干性的电路，表现出明显改进。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。