ディープラーニングに対するベイジアン学習の最大の欠点の1つは実行時です。ベイズの定理を適用するには、データの分散方法に関する知識が必要です。これには通常、高価な積分または何らかのサンプリングメカニズム(対応する欠点があります)が必要です。
結局のところ、すべては分布の伝播であり、これは(私が理解している限り)量子コンピューティングの性質なので、これらを効率的に実行する方法はありますか?はいの場合、どのような制限が適用されますか?
編集(直接関連するリンク):
これについては多くの作業が行われていません(私が知っていることです)。ベイジアンネットワークには1404.0055があり、著者はGrover検索のバリエーションを使用して2次の高速化を実現しています。マルコフモデルの関連トピックについてもいくつかあります。wikiのリファレンスと1611.08104を参照してください。私はこれらから答えを構築するのに十分な資格がありません。
—
glS 2018年
@glSはHCの答えについてあなたに伝えたかっただけで、本当に興味深いように見えます(その論文について知らなかった場合に備えて)。あなたの参照と簡単な説明にも感謝します。もしあなたがいくつかの答えを詳しく説明したいなら、私はそれを
—
賛成して