量子科技中心_量科网

将多个投票结果结合起来以提高决策质量的技术是机器学习中提升算法的核心。特别地，提升方法通过将多个弱学习器（仅比随机猜测略好的假设）组合成一个能很好分类数据的强学习器，从而被证明能够提高决策质量。存在各种版本的提升算法，我们通过引入QuantumBoost对这些算法进行了改进。受Barak、Hardt和Kale的经典工作启发，该团队的QuantumBoost算法通过两项创新实现了相比其他提升方法的最佳已知运行时间。首先，它使用量子算法来更快地计算近似Bregman投影。其次，它将此与延迟投影策略相结合，这是来自凸优化的一种技术，其中投影操作不频繁进行而非每次迭代都执行。据该团队所知，QuantumBoost是首个在提升算法背景下成功采用延迟投影策略的算法，无论是经典算法还是量子算法。