Zobrazeno 1 - 10
of 1 123
pro vyhledávání: '"Boltzmann machines"'
Autor:
Yu Gyeong Kang, Masatoshi Ishii, Jaeweon Park, Uicheol Shin, Suyeon Jang, Seongwon Yoon, Mingi Kim, Atsuya Okazaki, Megumi Ito, Akiyo Nomura, Kohji Hosokawa, Matthew BrightSky, Sangbum Kim
Publikováno v:
Advanced Science, Vol 11, Iss 46, Pp n/a-n/a (2024)
Abstract Efficiently solving combinatorial optimization problems (COPs) such as Max‐Cut is challenging because the resources required increase exponentially with the problem size. This study proposes a hardware‐friendly method for solving the Max
Externí odkaz:
https://doaj.org/article/5ad1ef6a3e054f138e290bdd7ad96a3d
Publikováno v:
In Measurement 28 February 2025 244
Autor:
Ilmo Salmenperä, Jukka K. Nurminen
Publikováno v:
Frontiers in Computer Science, Vol 5 (2023)
Restricted Boltzmann machines are common machine learning models that can utilize quantum annealing devices in their training processes as quantum samplers. While this approach has shown promise as an alternative to classical sampling methods, the li
Externí odkaz:
https://doaj.org/article/7c4089f12e50410b9b4d4823adf25f59
Autor:
Alya Alshammari, Khalil El Hindi
Publikováno v:
Applied Sciences, Vol 14, Iss 3, p 1224 (2024)
The combination of collaborative deep learning and Cyber-Physical Systems (CPSs) has the potential to improve decision-making, adaptability, and efficiency in dynamic and distributed environments. However, it brings privacy, communication, and resour
Externí odkaz:
https://doaj.org/article/b7aa72a9651a486185e73ba694c807e9
Publikováno v:
Machine Learning: Science and Technology, Vol 5, Iss 2, p 025078 (2024)
Boltzmann machines (BMs) are graphical models with interconnected binary units, employed for the unsupervised modeling of data distributions. When trained on real data, BMs show the tendency to behave like critical systems, displaying a high suscepti
Externí odkaz:
https://doaj.org/article/ea1cbbeda81c4921bd183507c8781d45
Publikováno v:
Machine Learning: Science and Technology, Vol 5, Iss 2, p 025017 (2024)
The quantum Boltzmann machine (QBM) is a generative machine learning model for both classical data and quantum states. Training the QBM consists of minimizing the relative entropy from the model to the target state. This requires QBM expectation valu
Externí odkaz:
https://doaj.org/article/f902d820eea341faa3c3a248f68c0868
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Frontiers in Physics, Vol 11 (2023)
In this study, we explore the similarities and differences between variational Monte Carlo techniques that employ conventional and artificial neural network representations of the ground-state wave function for fermionic systems. Our primary focus is
Externí odkaz:
https://doaj.org/article/f31f0584f0c0409f82f3f273d3c064f3