pyRiemann-qiskit: A Sandbox for Quantum Classification Experiments with Riemannian Geometry - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Research Ideas and Outcomes Année : 2023

pyRiemann-qiskit: A Sandbox for Quantum Classification Experiments with Riemannian Geometry

Résumé

Quantum computing is a promising technology for machine learning, in terms of computational costs and outcomes. In this work, we intend to provide a framework that facilitates the use of quantum machine learning in the domain of brain-computer interfaces-where biomedical signals, such as brain waves, are processed.
L'informatique quantique est une technologie prometteuse pour l'apprentissage automatique, en termes de coûts de calcul et de précision des résultats. Dans ce travail, nous proposons un logiciel qui facilite l'utilisation de l'apprentissage automatique quantique pour l'analyse des séries temporelles, en particulier dans le domaine des interfaces cerveau-machine.
Fichier principal
Vignette du fichier
RIO_article_101006.pdf (219.29 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04040814 , version 1 (22-03-2023)

Identifiants

Citer

Anton Andreev, Grégoire H Cattan, Sylvain Chevallier, Quentin Barthélemy. pyRiemann-qiskit: A Sandbox for Quantum Classification Experiments with Riemannian Geometry. Research Ideas and Outcomes, 2023, 9, ⟨10.3897/rio.9.e101006⟩. ⟨hal-04040814⟩
58 Consultations
50 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More