หม้อแปลงวิชั่นควอนตัม

[1] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe และ Seth Lloyd “ควอนตัมแมชชีนเลิร์นนิง” ธรรมชาติ 549, 195–202 (2017)
https://doi.org/10.1038/​nature23474

[2] Iris Cong, Soonwon Choi และ Mikhail D. Lukin “โครงข่ายประสาทเทียมควอนตัม”. ฟิสิกส์ธรรมชาติ 15, 1273–1278 (2019)
https:/​/​doi.org/​10.1038/​s41567-019-0648-8

[3] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S Kottmann, Tim Menke และคณะ “อัลกอริทึมควอนตัมระดับกลางที่มีเสียงดัง” บทวิจารณ์ฟิสิกส์สมัยใหม่ 94, 015004 (2022)
https://doi.org/​10.1103/​RevModPhys.94.015004

[4] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และคณะ “อัลกอริทึมควอนตัมแบบแปรผัน”. ธรรมชาติทบทวนฟิสิกส์ 3, 625–644 (2021)
https:/​/​doi.org/​10.1038/​s42254-021-00348-9

[5] โจนาส แลนด์แมน, นาธานช มาเธอร์, ยุน อีวอนนา ลี, มาร์ติน สตราห์ม, สคานเดอร์ คาซดากลี, อนุปัม ปรากาช และอิออร์ดานิส เคเรนิดิส “วิธีควอนตัมสำหรับโครงข่ายประสาทเทียมและการประยุกต์เพื่อจำแนกภาพทางการแพทย์” ควอนตัม 6, 881 (2022)
https:/​/​doi.org/​10.22331/​q-2022-12-22-881

[6] โบบัค คิอานี, แรนดัลล์ บาเลสเทรียโร, ยานน์ เลอคุน และเซธ ลอยด์ “projunn: วิธีที่มีประสิทธิภาพสำหรับการฝึกอบรมเครือข่ายระดับลึกด้วยเมทริกซ์แบบรวม” ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 35, 14448–14463 (2022)

[7] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Łukasz Kaiser และ Illia Polosukhin “ความสนใจคือสิ่งที่คุณต้องการ” ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 30 (2017).

[8] เจค็อบ เดฟลิน, หมิง-เหว่ย ชาง, เคนตัน ลี และคริสตินา ทูตาโนวา “เบิร์ต: การฝึกอบรมล่วงหน้าเกี่ยวกับหม้อแปลงสองทิศทางเชิงลึกเพื่อการทำความเข้าใจภาษา” (2018)

[9] อเล็กเซย์ โดโซวิทสกี, ลูคัส เบเยอร์, ​​อเล็กซานเดอร์ โคเลสนิคอฟ, เดิร์ก ไวส์เซนบอร์น, เซียวฮวา ไจ๋, โธมัส อันเทอร์ทินเนอร์, มอสตาฟา เดห์กานี, แมทเธียส มินเดอเรอร์, จอร์จ ไฮโกลด์, ซิลเวน เกลลี, ยาคอบ อุสโคไรต์ และนีล โฮลสบี “รูปภาพมีค่าเท่ากับ 16 × 16 คำ: Transformers สำหรับการจดจำภาพในขนาด” การประชุมนานาชาติเรื่องการเป็นตัวแทนการเรียนรู้ (2021) URL: openreview.net/​forum?id=YicbFdNTTy.
https://​/​openreview.net/​forum?id=YicbFdNTTy

[10] ยี่ ไต, มอสตาฟา เดห์กานี, ดารา บาห์รี และโดนัลด์ เมตซ์เลอร์ “หม้อแปลงไฟฟ้าที่มีประสิทธิภาพ: แบบสำรวจ”. แบบสำรวจคอมพิวเตอร์ ACM (CSUR) (2020)
https://doi.org/10.1145/​3530811

[11] ดซมิทรี บาห์ดาเนา, คยองฮยอน โช และโยชัว เบนจิโอ “การแปลด้วยเครื่องประสาทโดยการเรียนรู้ร่วมกันเพื่อจัดตำแหน่งและแปล” (2016) arXiv:1409.0473 [cs, สถิติ]
arXiv: 1409.0473

[12] เจ. ชมิดฮูเบอร์. “การลดอัตราส่วนระหว่างความซับซ้อนในการเรียนรู้และจำนวนตัวแปรเวลาที่แปรผันในเครือข่ายที่เกิดซ้ำอย่างสมบูรณ์” ใน Stan Gielen และ Bert Kappen บรรณาธิการ ICANN '93 หน้า 460–463. ลอนดอน (1993) สปริงเกอร์.
https:/​/​doi.org/​10.1007/​978-1-4471-2063-6_110

[13] เจอร์เก้น ชมิดฮูเบอร์. “การเรียนรู้ที่จะควบคุมความทรงจำที่มีน้ำหนักรวดเร็ว: ทางเลือกแทนเครือข่ายที่เกิดซ้ำแบบไดนามิก” การคำนวณประสาท 4, 131–139 (1992)
https://doi.org/10.1162/​neco.1992.4.1.131

[14] ปีเตอร์ ชา, พอล กินสปาร์ก, เฟลิกซ์ วู, ฮวน การ์ราสกียา, ปีเตอร์ แอล. แม็คมาฮอน และอึนอา คิม “เอกซเรย์ควอนตัมแบบอิงความสนใจ” การเรียนรู้ของเครื่อง: วิทยาศาสตร์และเทคโนโลยี 3, 01LT01 (2021)
https://​doi.org/​10.1088/​2632-2153/​ac362b

[15] ริคคาร์โด้ ดิ ซิปิโอ, เจีย-หง ฮวง, ซามูเอล เยน-ชี่ เฉิน, สเตฟาโน มานจินี และมาร์เซล วอร์ริง “รุ่งอรุณแห่งการประมวลผลภาษาธรรมชาติควอนตัม” ใน ICASSP 2022-2022 การประชุมนานาชาติ IEEE ว่าด้วยการประมวลผลเสียง คำพูด และสัญญาณ (ICASSP) หน้า 8612–8616. อีอีอี (2022)
https://​/​doi.org/​10.1109/​ICASSP43922.2022.9747675

[16] กว่างซี ลี่, ซวนเฉียง จ้าว และซิน หวาง “โครงข่ายประสาทเทียมเพื่อความสนใจตนเองแบบควอนตัมสำหรับการจำแนกข้อความ” (2022)

[17] ฟาบิโอ ซานเชส, ฌอน ไวน์เบิร์ก, ทาคาโนริ อิเดะ และคาซุมิตสึ คามิยะ “วงจรควอนตัมสั้นในนโยบายการเรียนรู้แบบเสริมกำลังสำหรับปัญหาการกำหนดเส้นทางยานพาหนะ” การตรวจร่างกาย A 105, 062403 (2022)
https://doi.org/10.1103/​PhysRevA.105.062403

[18] หยวนฟู่ หยาง และ มิน ซุน “การตรวจจับข้อบกพร่องของเซมิคอนดักเตอร์โดยการเรียนรู้เชิงลึกแบบคลาสสิกและควอนตัมแบบไฮบริด” CVPRP หน้า 2313–2322 (2022)
https://​doi.org/​10.1109/​CVPR52688.2022.00236

[19] แม็กซ์เวลล์ เฮนเดอร์สัน, ซัมริดดี ชาคยา, ชาชินดรา ปราธาน และทริสตัน คุก “โครงข่ายประสาทเทียมควอนโวลูชัน: ขับเคลื่อนการจดจำภาพด้วยวงจรควอนตัม” Quantum Machine Intelligence 2, 1–9 (2020)
https://doi.org/10.1007/​s42484-020-00012-y

[20] เอ็ดเวิร์ด ฟาร์ฮี และฮาร์ทมุท เนเวน “การจำแนกประเภทด้วยโครงข่ายประสาทควอนตัมในตัวประมวลผลระยะใกล้” (2018) URL: doi.org/​10.48550/​arXiv.1802.06002
https://doi.org/​10.48550/​arXiv.1802.06002

[21] โคสุเกะ มิทาราอิ, มาโคโตะ เนโกโระ, มาซาฮิโระ คิตากาวะ และเคสุเกะ ฟูจิอิ “การเรียนรู้วงจรควอนตัม”. การตรวจร่างกาย ก 98, 032309 (2018).
https://doi.org/10.1103/​PhysRevA.98.032309

[22] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu และ Dacheng Tao “โครงข่ายประสาทเทียมเชิงลึกแบบมุมฉาก”. ธุรกรรม IEEE ในการวิเคราะห์รูปแบบและความฉลาดของเครื่องจักร (2019)
https://doi.org/10.1109/​TPAMI.2019.2948352

[23] โรเจอร์ เอ ฮอร์น และชาร์ลส์ อาร์ จอห์นสัน “การวิเคราะห์เมทริกซ์” สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์ (2012)
https://doi.org/10.1017/​CBO9780511810817

[24] อิออร์ดานิส เคเรนิดิส และอนุพัม ปรากาช “การเรียนรู้ของเครื่องควอนตัมพร้อมสถานะพื้นที่ย่อย” (2022)

[25] บรูคส์ ฟ็อกซ์เซน, ชาร์ลส นีลล์, แอนดรูว์ ดันส์เวิร์ธ, เปดรัม โรชาน, เบน เชียโร, แอนโธนี่ เมแกรนท์, จูเลียน เคลลี, ซีจุน เฉิน, เควิน แซทซิงเกอร์, รามี บาเรนด์ส และคณะ “สาธิตชุดเกตสองควิบิตที่ต่อเนื่องสำหรับอัลกอริธึมควอนตัมระยะสั้น” จดหมายทบทวนทางกายภาพ 125, 120504 (2020)
https://doi.org/​10.1103/​PhysRevLett.125.120504

[26] โซนิกา โจห์รี, ชานทานู เดบนาธ, อาวินาช โมเชอร์ลา, อเล็กซานดรอส ซิงก์, อนุปัม ปรากาช, จุงซัง คิม และอิออร์ดานิส เคเรนิดิส “การจำแนกประเภทเซนทรอยด์ที่ใกล้ที่สุดบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่” ข้อมูลควอนตัม npj 7, 122 (2021)
https:/​/​doi.org/​10.1038/​s41534-021-00456-5

[27] เจมส์ ดับเบิลยู คูลีย์ และจอห์น ดับเบิลยู ทูคีย์ “อัลกอริธึมสำหรับการคำนวณอนุกรมฟูเรียร์เชิงซ้อนของเครื่องจักร” คณิตศาสตร์แห่งการคำนวณ 19, 297–301 (1965)
https:/​/​doi.org/​10.1090/​S0025-5718-1965-0178586-1

[28] Li Jing, Yichen Shen, Tena Dubcek, John Peurifoy, Scott A. Skirlo, Yann LeCun, Max Tegmark และ Marin Soljacic “โครงข่ายประสาทเทียมที่มีประสิทธิภาพแบบปรับได้ (eunn) และการประยุกต์ใช้กับ rnns” ในการประชุมนานาชาติเรื่อง Machine Learning (2016) URL: api.semanticscholar.org/CorpusID:5287947.
https://​api.semanticscholar.org/​CorpusID:5287947

[29] ลีโอ มงบรุสซู, โยนาส ลันด์แมน, อเล็กซ์ บี. กริโล, โรเมน คูคลา และเอลฮัม คาเชฟี “ความสามารถในการฝึกอบรมและการแสดงออกของวงจรควอนตัมเพื่อรักษาน้ำหนักแบบแฮมมิงสำหรับการเรียนรู้ของเครื่อง” (2023) arXiv:2309.15547.
arXiv: 2309.15547

[30] เอนริโก ฟอนทานา, ดีแลน เฮอร์แมน, ชูวนิก จักราบาร์ตี, นิราช คูมาร์, โรมินา ยาโลเวตซกี้, เจมี เฮเร็ดจ์, ศรี ฮารี สุเรชบาบู และมาร์โก พิสโตเอีย “สิ่งที่คุณต้องการคือสิ่งที่แนบมาเท่านั้น: การระบุลักษณะที่ราบสูงที่แห้งแล้งในควอนตัมอันแซตเซ” (2023) arXiv:2309.07902.
arXiv: 2309.07902

[31] Michael Ragone, Bojko N. Bakalov, Frédéric Sauvage, Alexander F. Kemper, Carlos Ortiz Marrero, Martin Larocca และ M. Cerezo “ทฤษฎีที่เป็นหนึ่งเดียวของที่ราบสูงที่แห้งแล้งสำหรับวงจรควอนตัมที่มีพารามิเตอร์แบบลึก” (2023) arXiv:2309.09342.
arXiv: 2309.09342

[32] ซูเฉินโหยว และเสี่ยวตี้หวู่ “ค่าขั้นต่ำในท้องถิ่นจำนวนมากแบบทวีคูณในเครือข่ายประสาทควอนตัม” ในการประชุมนานาชาติเรื่อง Machine Learning หน้า 12144–12155. PMLR (2021)

[33] เอริก อาร์. แอนชูตซ์ และโบบัค ตุสซี คิอานี “อัลกอริธึมการเปลี่ยนแปลงควอนตัมเต็มไปด้วยกับดัก” การสื่อสารธรรมชาติ 13 (2022)
https:/​/​doi.org/​10.1038/​s41467-022-35364-5

[34] อิลยา โอ. โทลสติคิน, นีล โฮลสบี, อเล็กซานเดอร์ โคเลสนิคอฟ, ลูคัส เบเยอร์, ​​เซียวฮวา ไจ๋, โธมัส อันเทอร์ธิเนอร์, เจสซิกา ยูง, แดเนียล คีย์เซอร์ส, ยาคอบ อุสสโคเรท, มาริโอ ลูซิช และอเล็กเซย์ โดโซวิตสกี “MLP-mixer: สถาปัตยกรรม mlp ทั้งหมดเพื่อการมองเห็น” ใน NeurIPS (2021).

[35] Jiancheng Yang, Rui Shi และ Bingbing Ni “ทศกรีฑาประเภท Medmnist: เกณฑ์มาตรฐาน automl ที่มีน้ำหนักเบาสำหรับการวิเคราะห์ภาพทางการแพทย์” (2020)
https://​doi.org/​10.1109/​ISBI48211.2021.9434062

[36] เจี้ยนเฉิง หยาง, รุ่ย ซือ, ตงไหล เว่ย, ซีฉวน หลิว, หลิน จ้าว, บิเลียน เค่อ, ฮันสปีเตอร์ พิสเตอร์ และ ปิงปิง นี “Medmnist v2 เป็นเกณฑ์มาตรฐานน้ำหนักเบาขนาดใหญ่สำหรับการจำแนกภาพชีวการแพทย์ 2 มิติและ 3 มิติ” ข้อมูลทางวิทยาศาสตร์ 10, 41 (2023)
https:/​/​doi.org/​10.1038/​s41597-022-01721-8

[37] อังเกลอส คาธาโรโปลอส, อาปูร์ฟ วียาส, นิโคลอส แปปพาส และฟร็องซัว เฟลอเรต์ “หม้อแปลงเป็น rnns: หม้อแปลงแบบ autoregressive ที่รวดเร็วพร้อมความสนใจเชิงเส้น” ในการประชุมนานาชาติเรื่อง Machine Learning หน้า 5156–5165. พีเอ็มแอลอาร์ (2020)

[38] เจมส์ แบรดเบอรี, รอย ฟรอสทิก, ปีเตอร์ ฮอว์กินส์, แมทธิว เจมส์ จอห์นสัน, คริส เลียรี่, ดูกัล แมคคลอริน, จอร์จ เนคูลา, อดัม ปาสซ์เก้, เจค แวนเดอร์พลาส, สกาย วันเดอร์แมน-มิลน์ และเฉียว จาง “JAX: การแปลงแบบคอมไพล์ของโปรแกรม Python+NumPy” GitHub (2018) URL: http://​/​github.com/​google/​jax.
http://​/​github.com/​google/​jax

[39] ดีเดริก พี. คิงมา และจิมมี่ บา “อดัม: วิธีการเพิ่มประสิทธิภาพสุ่ม” CoRR ABS/​1412.6980 (2015)

[40] ฮยอนอู โน ทักกึน ยู จองฮวานมุน และโบฮยองฮัน “การจัดระเบียบโครงข่ายประสาทเทียมในระดับลึกด้วยเสียง: การตีความและการเพิ่มประสิทธิภาพ” NeurIPS (2017)

[41] เสวี่ยหยิง. “ภาพรวมของการติดตั้งมากเกินไปและวิธีแก้ปัญหา” ใน วารสารฟิสิกส์: ชุดประชุม. เล่มที่ 1168 หน้า 022022 IOP Publishing (2019)
https:/​/​doi.org/​10.1088/​1742-6596/​1168/​2/​022022