新框架在量子退火器上自动调优 SVM

本文介绍了一种新颖的框架，用于优化在量子启发式退火器上使用二次无约束二元优化 (QUBO) 模型的支持向量机 (SVM)。该框架采用 Optuna 进行自动调优，处理与数值表示、核几何和约束惩罚相关的参数。该方法在 Fixstars Amplify 退火引擎、Toshiba SQBM+ 和 Fujitsu Digital Annealer 上进行了测试，在具有不同标签噪声水平的分类任务上，与传统的网格搜索相比，平均准确率提高了 0.8 至 2.1 个百分点。 AI

影响 这项研究可以提高量子启发式机器学习算法的效率和准确性。

排序理由 该项目是一篇学术论文，详细介绍了一种新的机器学习优化方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Fixstars Amplify Annealing Engine
• Fujitsu Digital Annealer
• Gaussian process
• Optuna
• QUBO
• support vector machine
• Takahiro Katagiri
• Toshiba SQBM+
• TPE

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →