ising-model

提出Trans-Ising，一种针对高维Ising模型的迁移学习方法，该方法利用基于损失的源筛选规则和两阶段估计，相比于仅使用目标数据和朴素池化方法，提高了估计精度。

本文提出了一种基于可扩展反向传播的算法，用于训练在热力学Ising硬件上运行的深度卷积网络，在CIFAR-10上达到94.9%的准确率，在CIFAR-100上达到76.0%的准确率，同时分析了推理成本与准确率之间的权衡。