基于量子启发的慢特征分析的经典算法
摘要：量子计算因其能够以指数级加速算法，包括机器学习算法，而引起了人们的广泛关注。然而，唐教授提出了指数级加速也可以在经典计算机上实现。本文提出了一种慢特征分析算法，一种提取缓变特征的机器学习算法，其运行时间为O（polylog（n）poly（d））。为了实现这一目标，我们假设对输入数据进行必要的预处理，并假设存在支持特定抽样方案的数据结构。算法分析借鉴了矩阵扰动理论的结果，这对于算法的正确性至关重要。本研究展示了量子启发式计算的潜在应用和范围。
作者：Daniel Chen, Yekun Xu, Betis Baheri, Samuel A. Stein, Chuan Bi, Ying Mao, Qiang Quan, Shuai Xu
论文ID：2012.00824
分类：Discrete Mathematics
分类简称：cs.DM
提交时间：2020-12-03