研究人员开发了一种新的自适应测量分配策略，用于在处理带噪声观测时学习核化支持向量机（SVM）。与传统的均匀分配不同，该方法将测量集中在核矩阵的关键区域。理论分析和经验评估表明，在准确性和效率方面都有显著提高，尤其是在量子机器学习应用方面。 AI
影响 引入了一种更有效的方法来训练带噪声数据的核化SVM，可能使量子机器学习应用受益。
排序理由 详细介绍核化SVM新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.22275v1 Announce Type: new Abstract: Kernel methods are typically formulated under the assumption of exact, noise-free access to the Gram matrix. However, in emerging settings such as quantum machine learning, each kernel entry must be inferred from noisy observations,…