Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Quantum Information Processing
Erschienen in: Quantum Information Processing 3/2018

01.03.2018

Quantum pattern recognition with multi-neuron interactions

verfasst von: E. Rezaei Fard, K. Aghayar, M. Amniat-Talab

Erschienen in: Quantum Information Processing | Ausgabe 3/2018

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We present a quantum neural network with multi-neuron interactions for pattern recognition tasks by a combination of extended classic Hopfield network and adiabatic quantum computation. This scheme can be used as an associative memory to retrieve partial patterns with any number of unknown bits. Also, we propose a preprocessing approach to classifying the pattern space S to suppress spurious patterns. The results of pattern clustering show that for pattern association, the number of weights (\(\eta \)) should equal the numbers of unknown bits in the input pattern (d). It is also remarkable that associative memory function depends on the location of unknown bits apart from the d and load parameter \(\alpha \).
Vorheriger Artikel Multi-server blind quantum computation over collective-noise channels
Nächster Artikel Faster search by lackadaisical quantum walk

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
This formula is obtained from permutation of pairwise interacted neuron in each model, for \(N>3\) and \(d>2\).
 
Literatur
1.
Yegnanarayana, B.: Artificial Neural Networks, pp. 77–87. PHI Learning Pvt. Ltd, New Delhi (2009)
2.
Hopfield, J.J.: Neural networks and physical systems with emergent collective computational abilities. Proc. Natl. Acad. Sci. 79(8), 2554–2558 (1982)ADSMathSciNetCrossRefMATH
3.
Hagan, M.T., Demuth, H.B., Beale, M.H., Jesus, O.D.: Neural Network Design, 2nd edn, Martin Hagan, chap. 21, p. 16 (2014)
4.
Bruck, J., Roychowdhury, V.P.: On the number of spurious memories in the Hopfield model (neural network). IEEE Trans. Inf. Theory 36(2), 393–397 (1990)CrossRefMATH
5.
Hopfield, J.J., Feinstein, D.I., Palmer, R.G.: “Unlearning” has a stabilizing effect in collective memories. Nature 304, 158–159 (1983)ADSCrossRef
6.
7.
Amit, D.J., Gutfreund, H., Sompolinsky, H.: Storing infinite numbers of patterns in a spin-glass model of neural networks. Phys. Rev. Lett. 55(14), 1530 (1985)ADSCrossRef
8.
Amit, D.J., Gutfreund, H., Sompolinsky, H.: Information storage in neural networks with low levels of activity. Phys. Rev. A 35(5), 2293 (1987)ADSMathSciNetCrossRef
9.
Morita, M.: Associative memory with nonmonotone dynamics. Neural Netw. 6(1), 115–126 (1993)CrossRef
10.
Nishikawa, T., Lai, Y.C., Hoppensteadt, F.C.: Capacity of oscillatory associative-memory networks with error-free retrieval. Phys. Rev. Lett. 92(10), 108101 (2004)ADSCrossRef
11.
Amari, S.I., Maginu, K.: Statistical neurodynamics of associative memory. Neural Netw. 1(1), 63–73 (1988)CrossRef
12.
Okada, M.: A hierarchy of macrodynamical equations for associative memory. Neural Netw. 8(6), 833–838 (1995)CrossRef
13.
Coolen, A.C.C., Sherrington, D.: Order-parameter flow in the fully connected Hopfield model near saturation. Phys. Rev. E 49(3), 1921 (1994)ADSCrossRef
14.
Coolen, A.C.C., Laughton, S.N., Sherrington, D.: Dynamical replica theory for disordered spin systems. Phys. Rev. B 53(13), 8184 (1996)ADSCrossRef
15.
Ma, Y.Q.: Statics in the random quantum asymmetric Sherrington–Kirkpatrick model. Phys. Rev. B 45(2), 793 (1992)ADSCrossRef
16.
Xi, Q., Ma, Y.Q.: Quantum Hopfield model with a random transverse field and a random neuronal threshold. Phys. Lett. A 254(6), 355–360 (1999). VancouverADSCrossRef
17.
18.
Inoue, J.I.: Pattern-recalling processes in quantum Hopfield networks far from saturation. J. Phys. Conf. Ser. 297(1), 012012 (2011)CrossRef
19.
Suzuki, M.: Relationship between d-dimensional quantal spin systems and (\(d+1\))-dimensional Ising systems: equivalence, critical exponents and systematic approximants of the partition function and spin correlations. Progress of theoretical physics 56(5), 1454–1469 (1976)ADSMathSciNetCrossRefMATH
20.
Farhi, E., Goldstone, J., Gutmann, S., Lapan, J., Lundgren, A., Preda, D.: A quantum adiabatic evolution algorithm applied to random instances of an NP-complete problem. Science 292(5516), 472–475 (2001)ADSMathSciNetCrossRefMATH
21.
Santra, S., Quiroz, G., Ver Steeg, G., Lidar, D.A.: MAX 2-SAT with up to 108 qubits. New J. Phys. 16(4), 045006 (2014)ADSCrossRef
22.
Aharonov, D., Van Dam, W., Kempe, J., Landau, Z., Lloyd, S., Regev, O.: Adiabatic quantum computation is equivalent to standard quantum computation. In: Proceedings of the 45th Annual Symposium on the Foundations of Computer Science, 2004, Rome, Italy IEEE Computer Society Press, New York, p. 4251 (2004)
23.
Das, S., Kobes, R., Kunstatter, G.: Adiabatic quantum computation and Deutschs algorithm. Phys. Rev. A 65(6), 062310 (2002)ADSMathSciNetCrossRef
24.
25.
Roland, J., Cerf, N.J.: Quantum search by local adiabatic evolution. Phys. Rev. A 65(4), 042308 (2002)ADSCrossRef
26.
Hen, I.: Period finding with adiabatic quantum computation. EPL Europhys. Lett. 105(5), 50005 (2014)ADSCrossRef
27.
Santra, S., Shehab, O., Balu, R.: Exponential capacity of associative memories under quantum annealing recall. arXiv preprint arXiv:​1602.​08149 (2016)
28.
Seddiqi, H., Humble, T.S.: Adiabatic quantum optimization for associative memory recall. arXiv preprint arXiv:​1407.​1904 (2014)
29.
Seki, Y., Nishimori, H.: Quantum annealing with antiferromagnetic transverse interactions for the Hopfield model. J. Phys. A Math. Theor. 48(33), 335301 (2015)MathSciNetCrossRefMATH
30.
Neigovzen, R., Neves, J.L., Sollacher, R., Glaser, S.J.: Quantum pattern recognition with liquid-state nuclear magnetic resonance. Phys. Rev. A 79(4), 042321 (2009)ADSCrossRef
31.
Fard, E.R., Aghayar, K.: Quantum adiabatic evolution for pattern recognition problem. Chin. Phys. Lett. 34(12), 120302 (2017)CrossRef
32.
Wittek, P.: Quantum Machine Learning: What Quantum Computing Means to Data Mining, pp. 116–117. Academic Press, New York (2014)MATH
33.
34.
Hebb, D.O.: The Organization of Behavior: A Neuropsychological Theory. Psychology Press, London (2005)
35.
McEliece, R., Posner, E., Rodemich, E., Venkatesh, S.: The capacity of the Hopfield associative memory. IEEE Trans. Inf. Theory 33(4), 461–482 (1987)MathSciNetCrossRefMATH
36.
37.
38.
39.
Born, M., Fock, V.: Beweis des adiabatensatzes. Z. Phys. Hadrons Nucl. 51(3), 165–180 (1928)MATH
40.
Zhang, D.J., Yu, X.D., Tong, D.M.: Theorem on the existence of a nonzero energy gap in adiabatic quantum computation. Phys. Rev. A 90(4), 042321 (2014)ADSCrossRef
41.
42.
McMahon, D.: Quantum Computing Explained, John Wiley & Sons, pp. 305–313 (2007)
43.
Nielsen, M.A., Chuang, I.L.: Quantum Computation and Quantum Information, 1st edn. Cambridge University Press, Cambridge (2002)
44.
Choi, V.: Minor-embedding in adiabatic quantum computation: II. Minor-universal graph design. Quantum Inf. Process. 10(3), 343–353 (2011)MathSciNetCrossRefMATH
45.
Hen, I., Young, A.P.: Exponential complexity of the quantum adiabatic algorithm for certain satisfiability problems. Phys. Rev. E 84, 061152 (2011)ADSCrossRef
46.
Childs, A.M., Farhi, E., Preskill, J.: Robustness of adiabatic quantum computation. Phys. Rev. A 65(1), 012322 (2001)ADSCrossRef
47.
Metadaten
Titel
Quantum pattern recognition with multi-neuron interactions
verfasst von
E. Rezaei Fard
K. Aghayar
M. Amniat-Talab
Publikationsdatum
01.03.2018
Verlag
Springer US
Erschienen in
Quantum Information Processing / Ausgabe 3/2018
Print ISSN: 1570-0755
Elektronische ISSN: 1573-1332
DOI
https://doi.org/10.1007/s11128-018-1816-y

Weitere Artikel der Ausgabe 3/2018

Quantum Information Processing 3/2018 Zur Ausgabe

OriginalPaper

Multi-strategy based quantum cost reduction of linear nearest-neighbor quantum circuit

OriginalPaper

Faster search by lackadaisical quantum walk

OriginalPaper

Quantum metrology of phase for accelerated two-level atom coupled with electromagnetic field with and without boundary

OriginalPaper

Open quantum random walk in terms of quantum Bernoulli noise

OriginalPaper

Security of BB84 with weak randomness and imperfect qubit encoding

OriginalPaper

Measurement-device-independent quantum key distribution with multiple crystal heralded source with post-selection

Neuer Inhalt

    Bildnachweise