Buchumschlag

Information plane and compression-gnostic feedback in quantum machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Haboury, Nathan, Kordzanganeh, Mo, Melnikov, Alexey, Sekatski, Pavel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantum Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TQml Simulator: optimized simulation of quantum machine learning
von: Kuzmin, Viacheslav, et al.
Veröffentlicht: (2025)

Superposed parameterised quantum circuits
von: Patapovich, Viktoria, et al.
Veröffentlicht: (2025)

Soft-Quantum Algorithms
von: Kyriacou, Basil, et al.
Veröffentlicht: (2026)

Forecasting steam mass flow in power plants using the parallel hybrid network
von: Kurkin, Andrii, et al.
Veröffentlicht: (2023)

Photovoltaic power forecasting using quantum machine learning
von: Sagingalieva, Asel, et al.
Veröffentlicht: (2023)

Quantum machine learning for image classification
von: Senokosov, Arsenii, et al.
Veröffentlicht: (2023)

Method for noise-induced regularization in quantum neural networks
von: Kuzmin, Viacheslav, et al.
Veröffentlicht: (2024)

Reinforcement learning-based architecture search for quantum machine learning
von: Rapp, Frederic, et al.
Veröffentlicht: (2024)

Opportunities and limitations of explaining quantum machine learning
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2024)

Fourier series weight in quantum machine learning
von: Atchade-Adelomou, Parfait, et al.
Veröffentlicht: (2023)

Hybrid quantum recurrent neural network for remaining useful life prediction
von: Tsurkan, Olga, et al.
Veröffentlicht: (2025)

Can machine learning for quantum-gas experiments be explainable?
von: Zwolak, I. B. Spielman amd J. P.
Veröffentlicht: (2026)

Shadows of quantum machine learning
von: Jerbi, Sofiene, et al.
Veröffentlicht: (2023)

Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
von: Sedykh, Alexandr, et al.
Veröffentlicht: (2023)

Understanding quantum machine learning also requires rethinking generalization
von: Gil-Fuster, Elies, et al.
Veröffentlicht: (2023)

Symmetry breaking in geometric quantum machine learning in the presence of noise
von: Tüysüz, Cenk, et al.
Veröffentlicht: (2024)

Benchmarking quantum machine learning kernel training for classification tasks
von: Alvarez-Estevez, Diego
Veröffentlicht: (2024)

Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks
von: Lee, Nayoung, et al.
Veröffentlicht: (2025)

Variational decision diagrams for quantum-inspired machine learning applications
von: Vargas-Calderón, Vladimir, et al.
Veröffentlicht: (2025)

Superior resilience to poisoning and amenability to unlearning in quantum machine learning
von: Chen, Yu-Qin, et al.
Veröffentlicht: (2025)

A general learning scheme for classical and quantum Ising machines
von: Schmid, Ludwig, et al.
Veröffentlicht: (2023)

Spectral methods: crucial for machine learning, natural for quantum computers?
von: Belis, Vasilis, et al.
Veröffentlicht: (2026)

Dynamical simulation via quantum machine learning with provable generalization
von: Gibbs, Joe, et al.
Veröffentlicht: (2022)

Prospects for quantum advantage in machine learning from the representability of functions
von: Masot-Llima, Sergi, et al.
Veröffentlicht: (2025)

Structured quantum learning via em algorithm for Boltzmann machines
von: Kimura, Takeshi, et al.
Veröffentlicht: (2025)

Shot-Based Quantum Encoding: A Data-Loading Paradigm for Quantum Neural Networks
von: Kyriacou, Basil, et al.
Veröffentlicht: (2026)

Blind quantum machine learning with quantum bipartite correlator
von: Li, Changhao, et al.
Veröffentlicht: (2023)

The role of data-induced randomness in quantum machine learning classification tasks
von: Casas, Berta, et al.
Veröffentlicht: (2024)

Potential and limitations of random Fourier features for dequantizing quantum machine learning
von: Sweke, Ryan, et al.
Veröffentlicht: (2023)

Dimension reduction with structure-aware quantum circuits for hybrid machine learning
von: Daskin, Ammar
Veröffentlicht: (2025)

A semi-agnostic ansatz with variable structure for quantum machine learning
von: Bilkis, M., et al.
Veröffentlicht: (2021)

Compatibility of projective measurements subject to white noise and loss
von: Sekatski, Pavel
Veröffentlicht: (2023)

Training-efficient density quantum machine learning
von: Coyle, Brian, et al.
Veröffentlicht: (2024)

The interplay of robustness and generalization in quantum machine learning
von: Berberich, Julian, et al.
Veröffentlicht: (2025)

On fundamental aspects of quantum extreme learning machines
von: Xiong, Weijie, et al.
Veröffentlicht: (2023)

Better than classical? The subtle art of benchmarking quantum machine learning models
von: Bowles, Joseph, et al.
Veröffentlicht: (2024)

Robust estimation of the intrinsic dimension of data sets with quantum cognition machine learning
von: Candelori, Luca, et al.
Veröffentlicht: (2024)

Towards provably efficient quantum algorithms for large-scale machine-learning models
von: Liu, Junyu, et al.
Veröffentlicht: (2023)

Application of quantum machine learning using quantum kernel algorithms on multiclass neuron M type classification
von: Vasques, Xavier, et al.
Veröffentlicht: (2025)

Symmetry-invariant quantum machine learning force fields
von: Le, Isabel Nha Minh, et al.
Veröffentlicht: (2023)