Quantum Learning Theory Beyond Batch Binary Classification

要約

Arunachalam と de Wolf (2018) は、実現可能かつ不可知論的な設定におけるブール関数の量子バッチ学習のサンプル複雑度が、対応する古典的なサンプル複雑度と同じ形式と順序を持つことを示しました。
この論文では、この一見驚くべきメッセージをバッチ マルチクラス学習、オンライン ブール学習、オンライン マルチクラス学習に拡張します。
オンライン学習の結果については、まず Dawid と Tewari (2022) の古典的モデルの適応型敵対的バリアントを検討します。
次に、量子の例を使用して、(私たちの知る限り) 最初のオンライン学習モデルを紹介します。

要約(オリジナル)

Arunachalam and de Wolf (2018) showed that the sample complexity of quantum batch learning of boolean functions, in the realizable and agnostic settings, has the same form and order as the corresponding classical sample complexities. In this paper, we extend this, ostensibly surprising, message to batch multiclass learning, online boolean learning, and online multiclass learning. For our online learning results, we first consider an adaptive adversary variant of the classical model of Dawid and Tewari (2022). Then, we introduce the first (to the best of our knowledge) model of online learning with quantum examples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google