Efficient Quantum One-Class Support Vector Machines for Anomaly Detection Using Randomized Measurements and Variable Subsampling

Λεπτομέρειες βιβλιογραφικής εγγραφής

Εκδόθηκε σε:	arXiv.org (Jul 30, 2024), p. n/a
Κύριος συγγραφέας:	Kölle, Michael
Άλλοι συγγραφείς:	Ahouzi, Afrae, Debus, Pascal, Çetiner, Elif, Müller, Robert, Schuman, Daniëlle, Linnhoff-Popien, Claudia
Έκδοση:	Cornell University Library, arXiv.org
Θέματα:	Testing time Complexity Anomalies Support vector machines Kernel functions Variance Time measurement
Διαθέσιμο Online:	Citation/Abstract Full text outside of ProQuest
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!