論文の概要: Generalization Study of Quantum Neural Network

• arxiv url: http://arxiv.org/abs/2006.02388v2
• Date: Wed, 29 May 2024 05:43:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-02 14:47:20.257594
• Title: Generalization Study of Quantum Neural Network
• Title（参考訳）: 量子ニューラルネットワークの一般化研究
• Authors: JinZhe Jiang, Xin Zhang, Chen Li, YaQian Zhao, RenGang Li,
• Abstract要約: 一般化はニューラルネットワークの重要な特徴であり、それについて多くの研究がなされている。 量子ゲートによって構築された量子ニューラルネットワークのクラスについて検討した。 我々のモデルは、同じ構造を持つ古典的ニューラルネットワークよりも優れた一般化を持つ。
• 参考スコア（独自算出の注目度）: 11.502747203515954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalization is an important feature of neural network, and there have been many studies on it. Recently, with the development of quantum compu-ting, it brings new opportunities. In this paper, we studied a class of quantum neural network constructed by quantum gate. In this model, we mapped the feature data to a quantum state in Hilbert space firstly, and then implement unitary evolution on it, in the end, we can get the classification result by im-plement measurement on the quantum state. Since all the operations in quan-tum neural networks are unitary, the parameters constitute a hypersphere of Hilbert space. Compared with traditional neural network, the parameter space is flatter. Therefore, it is not easy to fall into local optimum, which means the quantum neural networks have better generalization. In order to validate our proposal, we evaluated our model on three public datasets, the results demonstrated that our model has better generalization than the classical neu-ral network with the same structure.
• Abstract（参考訳）: 一般化はニューラルネットワークの重要な特徴であり、それについて多くの研究がなされている。 近年、量子コンプ・ティング(quantum compu-ting)の発展に伴い、新たな機会がもたらされる。 本稿では,量子ゲートによって構築された量子ニューラルネットワークのクラスについて検討した。 このモデルでは、特徴データをまずヒルベルト空間の量子状態にマッピングし、その上にユニタリ進化を実装し、最後に量子状態の即時測定によって分類結果を得ることができた。 四項ニューラルネットワークにおける全ての演算はユニタリであるため、パラメータはヒルベルト空間の超球面を構成する。 従来のニューラルネットワークと比較すると、パラメータ空間はフラットである。 したがって、局所的な最適化に陥ることは容易ではなく、量子ニューラルネットワークはより一般化されている。 提案手法を検証するため,提案手法を3つの公開データセット上で評価した。

関連論文リスト

• Entanglement transition in deep neural quantum states [0.0]
  深部ニューラルネットワークにおける情報伝達が深部神経量子状態の物理的絡み合い特性にどのように影響するかを示す。 このブリッジにより、領域と体積法が絡み合った状態を表すために最適な神経量子状態ハイパーパラメーターレギュレーションを特定できる。 正確な量子状態表現のためのネットワーク構成の理解の進歩は、容積法則量子状態を扱う効果的な表現を開発するのに役立ちます。
  論文  参考訳（メタデータ） (2023-12-19T08:40:23Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Neural Networks for Programming Quantum Annealers [6.531395267592592]
  量子機械学習は、古典的なコンピュータで難解な問題を解くなど、人工知能の進歩を可能にする可能性がある。 本研究では、古典的な完全分岐ニューラルネットワークを小さな量子アニールで接続する、類似しているが全く同じではない場合について考察する。 このシステムをシミュレートして、画像や音声認識など、いくつかの一般的なデータセットを学習する。
  論文  参考訳（メタデータ） (2023-08-13T16:43:07Z)
• Quantum Neural Network for Quantum Neural Computing [0.0]
  本稿では,量子ニューラルネットワークのための新しい量子ニューラルネットワークモデルを提案する。 我々のモデルは、状態空間のサイズがニューロンの数とともに指数関数的に大きくなるという問題を回避している。 我々は手書き文字認識や他の非線形分類タスクのモデルをベンチマークする。
  論文  参考訳（メタデータ） (2023-05-15T11:16:47Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• 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)
• Scaling of neural-network quantum states for time evolution [0.0]
  非可積分量子イジングチェーンのグローバルダイナミクスをシミュレートするために、異なる浅層および深層神経自己回帰量子状態の変動パワーをベンチマークする。 与えられた精度で量子状態を表現するのに必要なパラメータの数が指数関数的に増加することがわかった。
  論文  参考訳（メタデータ） (2021-04-21T18:00:07Z)
• On quantum neural networks [91.3755431537592]
  量子ニューラルネットワークの概念は、その最も一般的な関数の観点から定義されるべきである。 我々の推論は、量子力学におけるファインマン経路積分定式化の利用に基づいている。
  論文  参考訳（メタデータ） (2021-04-12T18:30:30Z)
• The Hintons in your Neural Network: a Quantum Field Theory View of Deep Learning [84.33745072274942]
  線形および非線形の層をユニタリ量子ゲートとして表現する方法を示し、量子モデルの基本的な励起を粒子として解釈する。 ニューラルネットワークの研究のための新しい視点と技術を開くことに加えて、量子定式化は光量子コンピューティングに適している。
  論文  参考訳（メタデータ） (2021-03-08T17:24:29Z)
• Quantum Deformed Neural Networks [83.71196337378022]
  我々は,量子コンピュータ上で効率的に動作するように設計された新しい量子ニューラルネットワーク層を開発した。 入力状態の絡み合いに制限された場合、古典的なコンピュータでシミュレートすることができる。
  論文  参考訳（メタデータ） (2020-10-21T09:46:12Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。