Q-FW：二次バイナリ最適化のためのハイブリッド古典量子フランクウルフ
Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization 量子アニーラー（QA）の二次、線形制約、バイナリ最適化問題を解くための、フランク・ウルフアルゴリズムQ-FWに基づくハイブリッド古典量子フレームワークを提示します。量子コンピューターの計算の前提は、さまざまな既存の視覚問題を量子に優しい形に再設計することを培ってきました。実験的なQAの実現により、2次非制約バイナリ最適化（QUBO）として知られる特定の非凸問題を解決できます。しかし、ナイーブなQUBOは、パラメーターの制限を考慮に入れることができません。パラメータ空間に追加の構造を導入するために、研究者は、正規化の形式で（線形）制約を組み込んだアドホックソリューションを作成しました。ただし、これにはハイパーパラメータが犠牲になり、正則
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2405.07489v1
限られたデータからの酒さの皮膚状態のための高忠実度合成顔生成
HelixSurf: 反復的に絡み合った正則化による屋内シーンのロバストで効率的なニューラル暗黙的表面学習
外れ値ロバスト グラフ マッチングのためのアフィニティ正則化による取り消し可能な深層強化学習
管状構造追跡のための曲率正則化による軌道グループ化
野生での3D車両再構築のための神経陰的モデリングの修復
外れ値にロバストなグラフマッチングのための親和性正則化による取り消し可能な深層強化学習
FlowStep3D：自己教師ありシーンフロー推定のためのモデル展開