Quantum Support Vector Machine Algorithms for Remote Sensing Data Classification
Quantum Support Vector Machine Algorithms for Remote Sensing Data Classification
复制标题
遥感数据分类的量子支持向量机算法
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
K. Michielsen
中科院分区：
文献类型：
--
作者：
Amer Delilbasic;Gabriele Cavallaro;M. Willsch;F. Melgani;M. Riedel;K. Michielsen
量子计算（QC）的最新发展为计算能力的增强铺平了道路。量子机器学习（QML）旨在开发专为量子计算机设计的机器学习（ML）模型。第一个量子处理器的出现使得进一步的研究成为可能，特别是探索 QML 算法可能的实际应用。在这项工作中，提出了支持向量机 (SVM) 的量子公式。然后，讨论了它们使用现有量子技术的实现，并考虑评估遥感（RS）图像分类。
Recent developments in Quantum Computing (QC) have paved the way for an enhancement of computing capabilities. Quantum Machine Learning (QML) aims at developing Machine Learning (ML) models specifically designed for quantum computers. The availability of the first quantum processors enabled further research, in particular the exploration of possible practical applications of QML algorithms. In this work, quantum formulations of the Support Vector Machine (SVM) are presented. Then, their implementation using existing quantum technologies is discussed and Remote Sensing (RS) image classification is considered for evaluation.