Quantum Learning Theory Beyond Batch Binary Classification

要約

Arunachalam と de Wolf (2018) は、ブール関数の量子バッチ学習のサンプル複雑度が、実現可能で不可知な設定で、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。
このホワイト ペーパーでは、この表向きは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、およびオンライン 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、最初に Dawid and Tewari (2022) の古典モデルの適応型敵対者バリアントを検討します。
次に、量子の例を使用してオンライン学習の最初の (私たちの知る限り) 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