关键词computational learning theory
搜索结果 - 7
- 经典学习器与量子学习器之间的指数差距
本文探讨如何找到一些学习问题,量子学习算法可以在其中证明比经典学习算法快速得多,还具有物理意义的应用,例如,在凝聚态物理和高能物理中表现出来的数据。
- ICML一种用于正则文法归纳的神经模型
我们提出了一种新颖的神经方法来归纳正则语法,我们的模型具有可解释性,可用于学习任意正则语法,并在各种复杂性的测试中始终达到高的召回率和精度得分。
- 关于非高效 PAC 学习无环连通查询的研究
本文研究在 PAC 模型下共识查询的学习问题,证明了共识查询类不具有多项式大小匹配的性质,给出了许多限制类共识查询的负 PAC 可学性结果,最后提出了利用成员查询实现共识查询的高效 PAC 学习方法。
- MM用于有向拟阵复合体的带标记样本压缩方案
本文证明了具有 VC 维度 d 的复杂定向基构成的拓扑形态具有大小为 d 的适当编码方法,并且将其拓展到了均匀定向基构成的复杂形态中,这是计算学习理论中最古老的问题之一。利用定向基理论的组合单元结构和将 COM 的拓扑图形看作部分方体,建立 - 量子态的实验学习
本研究着重于探讨 “计算学习理论” 在探究量子信息中的应用,发现在概率性的前提下,仅通过线性数量的测量即可近似学习量子态,实验结果在光学系统中展示了线性比例的特点,为量子状态探究开辟了新的大规模可能性。
- 从平均情况复杂度到不当学习复杂度
这篇论文介绍了一种新的证明不适当学习难度的技术,基于难以处理的问题的规约,通过与密码假设相结合,发现了学习 $DNF$,半平面和超平面的交集等问题的困难性。
- 量子状态的可学习性
利用计算学习理论,本文证明:对于大多数实际目的,传统的量子态重构只需测量数量呈线性增长关系,而非指数函数关系;同时,该定理可应用于量子计算的模拟和验证领域。