It is an open question what advanta

It is an open question what advantages a quantum neural network (QNN) would have over
a classical network. It has been shown that QNNs should have roughly the same computational
power as classical networks [7]. Other results have shown that QNNs may work best
with some classical components as well as quantum components [2].
Quantum searches can be proven to be faster than comparable classical searches. We leverage
this idea to propose a new training method for a simple QNN. This paper details such a
network and how training could be done on it. Results from testing the algorithm on several
real-world problems show that it works.

ผลลัพธ์ (ไทย) 1:

มีข้อดีอะไรเครือข่ายประสาทควอนตัม (QNN) จะมีคำถามเปิดเครือข่ายแบบคลาสสิก มันได้ถูกแสดงให้เห็นว่า QNNs ควรมีประมาณคำนวณพลังงานเป็นเครือข่ายคลาสสิก [7] ผลลัพธ์อื่น ๆ ได้แสดงให้เห็นว่า QNNs อาจทำงานดีที่สุดบางคอมโพเนนต์คลาสสิกเป็นควอนตัมคอมโพเนนต์ [2]สามารถพิสูจน์ค้นหาควอนตัมจะเร็วกว่าค้นหาคลาสสิกเทียบได้ เราใช้ประโยชน์จากความคิดนี้เสนอวิธีการฝึกอบรมใหม่ QNN ง่าย กระดาษนี้รายละเอียดเช่นการเครือข่ายและการฝึกอบรมทำการ ผลจากการทดสอบขั้นตอนวิธีในหลายปัญหาจริงแสดงว่า การทำงาน

ผลลัพธ์ (ไทย) 2:

มันเป็นคำถามที่เปิดสิ่งที่ได้เปรียบเครือข่ายประสาทควอนตัม (QNN)
จะมีมากกว่าเครือข่ายคลาสสิก มันได้รับการแสดงให้เห็นว่า QNNs
ควรจะมีประมาณคำนวณเดียวกันอำนาจในฐานะเครือข่ายคลาสสิก[7] ผลอื่น ๆ แสดงให้เห็นว่า QNNs
อาจทำงานได้ดีที่สุดกับองค์ประกอบคลาสสิกบางส่วนเป็นส่วนประกอบควอนตัม[2].
ค้นหาควอนตัมสามารถพิสูจน์ได้จะเร็วกว่าการค้นหาที่คลาสสิกเทียบเคียง เราใช้ประโยชน์จากความคิดนี้จะเสนอวิธีการฝึกอบรมใหม่สำหรับ QNN ง่าย กระดาษนี้มีรายละเอียดดังกล่าวเป็นเครือข่ายและวิธีการฝึกอบรมสามารถทำได้เกี่ยวกับมัน ผลลัพธ์ที่ได้จากการทดสอบขั้นตอนวิธีการในหลายปัญหาที่แท้จริงของโลกแสดงให้เห็นว่าการทำงาน

ผลลัพธ์ (ไทย) 3:

มันเป็นเปิดคำถามประโยชน์อะไรทางโครงข่ายประสาทเทียม ( qnn ) จะมีมากกว่า
เครือข่ายคลาสสิก มันได้ถูกแสดงว่า qnns น่าจะประมาณเดียวกัน คอมพิวเตอร์
พลังเครือข่ายคลาสสิก [ 7 ] ผลอื่น ๆได้แสดงให้เห็นว่า qnns อาจทำงานที่ดีที่สุด
กับบางคลาสสิกส่วนประกอบ รวมทั้งปริมาณส่วนประกอบ
[ 2 ]ค้นหาควอนตัมสามารถพิสูจน์จะเร็วกว่าการค้นหาคลาสสิกเทียบเท่า เราใช้ประโยชน์จาก
ความคิดนี้เสนอวิธีการฝึกอบรมใหม่สำหรับ qnn อย่างง่าย กระดาษนี้รายละเอียดเช่น
เครือข่ายและวิธีการฝึกอบรมอาจจะทำมัน ผลจากการทดสอบอัลกอริทึมบนปัญหาจริงหลาย
แสดงว่ามันได้ผล