跳到主要内容
检索

# 表示论

2 篇关联报道

订阅更新
  1. arXiv

    线性循环记忆的序信息有了代数判据:HyperSSM用四元数通道在32生成元群任务上保持精确

    线性循环记忆能否记住输入顺序,取决于其转移矩阵所在的数系。此前高效并行扫描依赖对角化,实数与复数转移彼此可交换,状态只记录出现过哪些输入而不记录先后。HyperSSM在通道中加入四元数块,保持线性时间推理与并行训练,在32个生成元的群任务上以最多五个状态数精确求解,并在比训练长25倍的序列上保持精确。

  2. arXiv

    量子线路能否训练不必先跑昂贵优化:表示论判据加采样算法,多项式次运行即可判定

    变分量子线路的梯度会随比特数增加指数消失,形成贫瘠高原,使训练无从下手。新的分析把梯度方差按线路所对应紧致李群表示的不变子空间拆开,给出可训练性的充分条件:只要输入态与可观测量集中在同一个多项式维度的不变子空间上,且被微分的生成元以逆多项式幅度移动该子空间,梯度方差就有逆多项式下界。配套的采样算法直接运行线路本身,无需构造表示论投影算子,就能以多项式次运行判定方差是否超过给定容差。

已读完全部报道