Fugu-MT 論文翻訳(概要): Generalization analysis of quantum neural networks using dynamical Lie algebras

論文の概要: Generalization analysis of quantum neural networks using dynamical Lie algebras

arxiv url: http://arxiv.org/abs/2504.09771v1
Date: Mon, 14 Apr 2025 00:27:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-15 16:50:58.336054
Title: Generalization analysis of quantum neural networks using dynamical Lie algebras
Title（参考訳）: 動的リー代数を用いた量子ニューラルネットワークの一般化解析
Authors: Hiroshi Ohno,
Abstract要約: 本稿では、動的リー代数に基づく量子ニューラルネットワークの一般化について述べる。量子ニューラルネットワークにおいて、トレーニング可能なパラメータの数の上界を示す。
参考スコア（独自算出の注目度）: 0.9790236766474198
License:
Abstract: The paper presents a generalization bound for quantum neural networks based on a dynamical Lie algebra. Using covering numbers derived from a dynamical Lie algebra, the Rademacher complexity is derived to calculate the generalization bound. The obtained result indicates that the generalization bound is scaled by O(sqrt(dim(g))), where g denotes a dynamical Lie algebra of generators. Additionally, the upper bound of the number of the trainable parameters in a quantum neural network is presented. Numerical simulations are conducted to confirm the validity of the obtained results.
Abstract（参考訳）: 本稿では、動的リー代数に基づく量子ニューラルネットワークの一般化について述べる。動的リー代数から導かれる被覆数を用いて、ラデマッハ複雑性は一般化境界を計算するために導かれる。得られた結果は、一般化境界が O(sqrt(dim(g))) によってスケールされることを示し、g は生成体の動的リー代数を表す。さらに、量子ニューラルネットワークにおけるトレーニング可能なパラメータの数の上界を示す。得られた結果の有効性を確認するため,数値シミュレーションを行った。

関連論文リスト

Statistics and Complexity of Wavefunction Spreading in Quantum Dynamical Systems [0.0]
量子系のハミルトニアンによって生成されるクリロフ基底における拡散作用素の測定結果の統計を考察する。この特徴関数のモーメントは、いわゆる一般化拡散複雑性と関連していることを示す。また、ハミルトニアンの作用素ノルムの観点から、任意の時間で一般化された拡散複雑性の変化の上限を得る。
論文参考訳（メタデータ） (2024-11-14T12:08:45Z)
Graph Expansions of Deep Neural Networks and their Universal Scaling Limits [3.801509221714223]
ニューラルネットワークのスケーリング限界を得るための統一的なアプローチを提案する。ランダム行列理論の属拡大手法を用いる。我々はジャコビアンの極限特異値分布のモーメントの公式を求める。
論文参考訳（メタデータ） (2024-07-11T12:58:07Z)
Algebraic Complexity and Neurovariety of Linear Convolutional Networks [0.0]
線形畳み込みネットワークを1次元および任意のストライドで検討する。共通零点が対応する神経多様体のザリスキー閉包に対応する方程式を生成する。このようなネットワークの最適化におけるすべての複素臨界点の数は、セグレ多様体の一般的なユークリッド距離と等しいことが判明した。
論文参考訳（メタデータ） (2024-01-29T23:00:15Z)
Universal Approximation Theorem for Vector- and Hypercomplex-Valued Neural Networks [0.3686808512438362]
普遍近似定理(英: universal approximation theorem)は、1つの隠れた層を持つニューラルネットワークがコンパクト集合上の連続関数を近似できるという定理である。これは、実数値ニューラルネットワークと超複素数値ニューラルネットワークに有効である。
論文参考訳（メタデータ） (2024-01-04T13:56:13Z)
Generalization bounds for neural ordinary differential equations and deep residual networks [1.2328446298523066]
我々は、連続時間パラメータを持つパラメータ化ニューラル常微分方程式(ニューラルODE)の族を考える。ニューラルネットワークとディープ残差ネットワークの類似を利用して、我々はディープ残差ネットワークのクラスを一般化する。
論文参考訳（メタデータ） (2023-05-11T08:29:34Z)
Exploring the role of parameters in variational quantum algorithms [59.20947681019466]
動的リー代数の階数を用いた変分量子回路のキャラクタリゼーションのための量子制御に着想を得た手法を提案する。有望な接続は、リーランク、計算されたエネルギーの精度、および所定の回路アーキテクチャを介して目標状態を達成するために必要な深さとの間のものである。
論文参考訳（メタデータ） (2022-09-28T20:24:53Z)
Spectral Complexity-scaled Generalization Bound of Complex-valued Neural Networks [78.64167379726163]
本論文は,複素数値ニューラルネットワークの一般化を証明した最初の論文である。複雑な値の畳み込みニューラルネットワークを異なるデータセット上でトレーニングして実験を行う。
論文参考訳（メタデータ） (2021-12-07T03:25:25Z)
The Separation Capacity of Random Neural Networks [78.25060223808936]
標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
論文参考訳（メタデータ） (2021-07-31T10:25:26Z)
Stability of Algebraic Neural Networks to Small Perturbations [179.55535781816343]
Algebraic Neural Network (AlgNN) は、代数的信号モデルと関連する各層のカスケードで構成されている。畳み込みという形式的な概念を用いるアーキテクチャは、シフト演算子の特定の選択を超えて、いかに安定であるかを示す。
論文参考訳（メタデータ） (2020-10-22T09:10:16Z)
Algebraic Neural Networks: Stability to Deformations [179.55535781816343]
可換代数を用いた代数ニューラルネットワーク(AlgNN)について検討する。 AlgNNはユークリッド畳み込みニューラルネットワーク、グラフニューラルネットワーク、グループニューラルネットワークなどの多様なアーキテクチャを統合する。
論文参考訳（メタデータ） (2020-09-03T03:41:38Z)
Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文参考訳（メタデータ） (2020-06-16T21:56:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。