Buchumschlag

Quantitative Universal Approximation for Noisy Quantum Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gonon, Lukas, Jacquier, Antoine, Mordarski, Marcel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantum Physics Numerical Analysis Pricing of Securities 68Q12, 68T07, 65D15
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Universal Approximation Theorem and error bounds for quantum neural networks and quantum reservoirs
von: Gonon, Lukas, et al.
Veröffentlicht: (2023)

Greedy feature selection: Classifier-dependent feature selection via greedy methods
von: Camattari, Fabiana, et al.
Veröffentlicht: (2024)

An algorithmic approach to direct spline products: procedures and computational aspects
von: Patrizi, Francesco, et al.
Veröffentlicht: (2026)

Accuracy and stability of Artificial Neural Networks for HP-Splines frequency parameter selection
von: Bruni, Vittoria, et al.
Veröffentlicht: (2026)

Non-Uniform Quantum Fourier Transform
von: Aftab, Junaid, et al.
Veröffentlicht: (2026)

Near-optimal learning of Banach-valued, high-dimensional functions via deep neural networks
von: Adcock, Ben, et al.
Veröffentlicht: (2022)

Random neural networks for rough volatility
von: Jacquier, Antoine, et al.
Veröffentlicht: (2023)

Tractability of linear ill-posed problems in Hilbert space
von: Mathé, Peter, et al.
Veröffentlicht: (2024)

Solving Approximation Tasks with Greedy Deep Kernel Methods
von: Klink, Marian, et al.
Veröffentlicht: (2025)

Beyond Universal Approximation Theorems: Algorithmic Uniform Approximation by Neural Networks Trained with Noisy Data
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

The Compound BSDE Method: A Fully Forward Method for Option Pricing and Optimal Stopping Problems in Finance
von: Huang, Zhipeng, et al.
Veröffentlicht: (2026)

Quantum Enhanced Numerical Homogenization
von: Balazi, Loïc, et al.
Veröffentlicht: (2026)

A Variational Physics-Informed Neural Network Framework Using Petrov-Galerkin Method for Solving Singularly Perturbed Boundary Value Problems
von: Kumar, Vijay, et al.
Veröffentlicht: (2025)

An Efficient Quantum Algorithm for Linear System Problem in Tensor Format
von: Wu, Zeguan, et al.
Veröffentlicht: (2024)

Nonlinear quantum computation by amplified encodings
von: Deiml, Matthias, et al.
Veröffentlicht: (2024)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

A Recipe for Learning Variably Scaled Kernels via Discontinuous Neural Networks
von: Audone, Gianluca, et al.
Veröffentlicht: (2024)

Learning Geometric-Aware Quadrature Rules for Functional Minimization
von: Smaragdakis, Costas
Veröffentlicht: (2025)

Universal Approximation of Dynamical Systems by Semi-Autonomous Neural ODEs and Applications
von: Li, Ziqian, et al.
Veröffentlicht: (2024)

Constrained Optimal Polynomials for Quantum Linear System Solvers
von: Deiml, Matthias, et al.
Veröffentlicht: (2026)

A quantum-inspired multi-level tensor-train monolithic space-time method for nonlinear PDEs
von: Rapaka, N. R., et al.
Veröffentlicht: (2026)

Efficient Finite Initialization with Partial Norms for Tensorized Neural Networks and Tensor Networks Algorithms
von: Ali, Alejandro Mata, et al.
Veröffentlicht: (2023)

Deep Learning Based on Randomized Quasi-Monte Carlo Method for Solving Linear Kolmogorov Partial Differential Equation
von: Xiao, Jichang, et al.
Veröffentlicht: (2023)

Quantum circuits for the advection-diffusion equation with boundary conditions based on LCHS
von: Chen, Leyu, et al.
Veröffentlicht: (2026)

RONOM: Reduced-Order Neural Operator Modeling
von: Dummer, Sven, et al.
Veröffentlicht: (2025)

Deep Neural Networks and Finite Elements of Any Order on Arbitrary Dimensions
von: He, Juncai, et al.
Veröffentlicht: (2023)

On the algorithmic construction of deep ReLU networks
von: Huybrechs, Daan
Veröffentlicht: (2025)

Solving the BGK Model and Boltzmann equation by Fourier Neural Operator with conservative constraints
von: Hu, Boyun, et al.
Veröffentlicht: (2025)

Neural enrichment finite element method: A hybrid framework for problems with strong oscillations or interface problems
von: Guo, Shihan, et al.
Veröffentlicht: (2026)

RandONet: Shallow-Networks with Random Projections for learning linear and nonlinear operators
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2024)

Learning Neural Pushforward Samplers for Distributions from Fokker-Planck Equations by Weak Adversarial Training
von: He, Andrew Qing, et al.
Veröffentlicht: (2025)

Expression Rates of Neural Operators for Linear Elliptic PDEs in Polytopes
von: Marcati, Carlo, et al.
Veröffentlicht: (2024)

Capturing Shock Waves by Relaxation Neural Networks
von: Zhou, Nan, et al.
Veröffentlicht: (2024)

A deep solver for BSDEs with jumps
von: Andersson, Kristoffer, et al.
Veröffentlicht: (2022)

Approximation of Splines in Wasserstein Spaces
von: Justiniano, Jorge, et al.
Veröffentlicht: (2023)

FieldTNN-based machine learning method for Maxwell eigenvalue problems
von: Jiang, Jiantao, et al.
Veröffentlicht: (2024)

Least Squares with Equality constraints Extreme Learning Machines for the resolution of PDEs
von: De Falco, Davide Elia, et al.
Veröffentlicht: (2025)

Prediction of discretization of online GMsFEM using deep learning for Richards equation
von: Spiridonov, Denis, et al.
Veröffentlicht: (2024)

Solving the Fisher nonlinear differential equations via Physics-Informed Neural Networks: A Comprehensive Retraining Study and Comparative Analysis with the Finite Difference Method
von: Aberqi, Ahmed, et al.
Veröffentlicht: (2026)

Quantum Sampling and Moment Estimation for Transformed Gaussian Random Fields
von: Deiml, Matthias, et al.
Veröffentlicht: (2025)