Fugu-MT 論文翻訳(概要): Statistical Tests and Confidential Intervals as Thresholds for Quantum Neural Networks

論文の概要: Statistical Tests and Confidential Intervals as Thresholds for Quantum Neural Networks

arxiv url: http://arxiv.org/abs/2001.11844v1
Date: Thu, 30 Jan 2020 05:41:04 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 12:54:43.891595
Title: Statistical Tests and Confidential Intervals as Thresholds for Quantum Neural Networks
Title（参考訳）: 量子ニューラルネットワークの閾値としての統計的テストと信頼区間
Authors: Do Ngoc Diep
Abstract要約: 我々は、最小二乗量子ニューラルネットワーク(LS-QNN)、対応する量子ニューラルネットワーク(PI-QNN)、回帰量子ニューラルネットワーク(PR-QNN)、およびカイ二乗量子ニューラルネットワーク(chi2$-QNN)を分析し、構築する。対応するトレーニングルールのしきい値として、ソリューションやテストを使用します。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Some basic quantum neural networks were analyzed and constructed in the recent work of the author \cite{dndiep3}, published in International Journal of Theoretical Physics (2020). In particular the Least Quare Problem (LSP) and the Linear Regression Problem (LRP) was discussed. In this second paper we continue to analyze and construct the least square quantum neural network (LS-QNN), the polynomial interpolation quantum neural network (PI-QNN), the polynomial regression quantum neural network (PR-QNN) and chi-squared quantum neural network ($\chi^2$-QNN). We use the corresponding solution or tests as the threshold for the corresponding training rules.
Abstract（参考訳）: いくつかの基本的な量子ニューラルネットワークは、論文の著者である \cite{dndiep3} の最近の研究で解析され、構築された。特にLSP(Least Quare Problem)とLRP(Linear Regression Problem)について議論した。本稿では,最小二乗量子ニューラルネットワーク (LS-QNN) ,多項式補間量子ニューラルネットワーク (PI-QNN) ,多項式回帰量子ニューラルネットワーク (PR-QNN) およびカイ二乗量子ニューラルネットワーク (\chi^2$-QNN) の解析と構築を継続する。対応するソリューションやテストは、対応するトレーニングルールのしきい値として使用します。

関連論文リスト

CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
論文参考訳（メタデータ） (2024-08-28T00:56:03Z)
From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
論文参考訳（メタデータ） (2024-08-12T22:53:14Z)
Unsupervised Random Quantum Networks for PDEs [0.0]
PINNは、微分演算子と関連する境界条件を満たすように訓練されたディープニューラルネットワークの助けを借りて、PDEの解を近似する。我々はこのアイデアを量子コンピューティング領域で再考し、パラメータ化されたランダム量子回路を試行的な解として用いた。ランダムな量子ネットワークは、従来の量子ネットワークやランダムな古典的ネットワークよりも優れていることを示す。
論文参考訳（メタデータ） (2023-12-21T10:25:52Z)
ResQNets: A Residual Approach for Mitigating Barren Plateaus in Quantum Neural Networks [0.0]
量子ニューラルネットワーク(QNN)におけるバレンプラトー問題は、QNNの実践的な成功を妨げる重要な課題である。本稿では、この問題に対処するための解として、残留量子ニューラルネットワーク(ResQNet)を導入する。
論文参考訳（メタデータ） (2023-05-05T13:33:43Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
Theoretical Error Performance Analysis for Variational Quantum Circuit Based Functional Regression [83.79664725059877]
本研究では,次元減少と機能回帰のためのエンドツーエンドの量子ニューラルネットワークであるTTN-VQCを提案する。また,polyak-Lojasiewicz (PL) 条件を利用してTTN-VQCの最適化特性を特徴付ける。
論文参考訳（メタデータ） (2022-06-08T06:54:07Z)
Power and limitations of single-qubit native quantum neural networks [5.526775342940154]
量子ニューラルネットワーク(QNN)は、機械学習、化学、最適化の応用を確立するための主要な戦略として登場した。量子ニューラルネットワークのデータ再アップロードの表現能力に関する理論的枠組みを定式化する。
論文参考訳（メタデータ） (2022-05-16T17:58:27Z)
Exponentially Many Local Minima in Quantum Neural Networks [9.442139459221785]
量子ニューラルネットワーク(QNN)は、古典的ニューラルネットワークと同じような約束のため、重要な量子アプリケーションである。我々は,QNNの損失関数のランドスケープを定量的に調査し,トレーニング用に単純だが極めて難しいQNNインスタンスのクラスを同定する。我々は、我々の構成が、典型的な勾配ベースの回路で実際に難しい事例となることを実証的に確認する。
論文参考訳（メタデータ） (2021-10-06T03:23:44Z)
Toward Trainability of Quantum Neural Networks [87.04438831673063]
量子ニューラルネットワーク(QNN)は、量子スピードアップを達成するために古典的ニューラルネットワークの一般化として提案されている。 QNNのトレーニングには、入力キュービット数に指数関数的に勾配速度がなくなるため、非常に大きなボトルネックが存在する。木テンソルとステップ制御された構造を持つQNNを二分分類に適用し,ランダムな構造を持つQNNと比較してより高速な収束率と精度を示す。
論文参考訳（メタデータ） (2020-11-12T08:32:04Z)
On the learnability of quantum neural networks [132.1981461292324]
本稿では,量子ニューラルネットワーク(QNN)の学習可能性について考察する。また,概念をQNNで効率的に学習することができれば,ゲートノイズがあってもQNNで効果的に学習できることを示す。
論文参考訳（メタデータ） (2020-07-24T06:34:34Z)
Nonparametric Regression Quantum Neural Networks [0.11470070927586014]
本稿では、非パラメトリック量子ニューラルネットワーク(LNR-QNN)、非回帰量子ニューラルネットワーク(PNR-QNN)を分析し、実装する。ガウス・ジョーダン除去ニューラルネットワーク(GJE-QNN)による実装
論文参考訳（メタデータ） (2020-02-07T14:44:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。