Fugu-MT 論文翻訳(概要): Quantum Enhanced Filter: QFilter

論文の概要: Quantum Enhanced Filter: QFilter

arxiv url: http://arxiv.org/abs/2104.03418v1
Date: Wed, 7 Apr 2021 22:20:20 GMT
ステータス: 処理完了
システム内更新日: 2021-04-10 02:53:02.635304
Title: Quantum Enhanced Filter: QFilter
Title（参考訳）: 量子拡張フィルタ:QFilter
Authors: Parfait Atchade-Adelomou and Guillermo Alonso-Linaje
Abstract要約: 本稿では,量子および古典計算を利用するハイブリッド画像分類モデルを提案する。この方法は、畳み込みネットワークが人工知能で示した可能性を利用する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Convolutional Neural Networks (CNN) are used mainly to treat problems with many images characteristic of Deep Learning. In this work, we propose a hybrid image classification model to take advantage of quantum and classical computing. The method will use the potential that convolutional networks have shown in artificial intelligence by replacing classical filters with variational quantum filters. Similarly, this work will compare with other classification methods and the system's execution on different servers. The algorithm's quantum feasibility is modelled and tested on Amazon Braket Notebook instances and experimented on the Pennylane's philosophy and framework.
Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)は主にディープラーニングの特徴を持つ多くの画像を扱う問題を扱うために使用される。本研究では,量子および古典計算を利用するハイブリッド画像分類モデルを提案する。この方法は、古典的なフィルタを変分量子フィルタに置き換えることで、畳み込みネットワークが人工知能で示した可能性を利用する。同様に、この作業は他の分類方法と異なるサーバ上でのシステムの実行を比較します。このアルゴリズムの量子実現性は、Amazon Braket Notebookインスタンスでモデル化され、ペニーレーンの哲学とフレームワークで実験されている。

関連論文リスト

Quantum convolutional neural networks for jet images classification [0.0]
本稿では,高エネルギー物理学における量子機械学習の性能について述べる。このタスクには量子畳み込みニューラルネットワーク(QCNN)を使用し、その性能をCNNと比較する。以上の結果から,適切な設定のQCNNの方が,CNNよりも優れた性能を示す傾向が示唆された。
論文参考訳（メタデータ） (2024-08-16T12:28:10Z)
Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
論文参考訳（メタデータ） (2024-02-25T16:57:51Z)
QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-14T08:03:20Z)
Variational Quantum Neural Networks (VQNNS) in Image Classification [0.0]
本稿では,量子最適化アルゴリズムを用いて量子ニューラルネットワーク(QNN)のトレーニングを行う方法について検討する。本稿では、変分量子ニューラルネットワーク(VQNN)と呼ばれる入力層として、変分パラメータ化回路を組み込んだQNN構造を作成する。 VQNNは、MNIST桁認識(複雑でない)とクラック画像分類データセットで実験され、QNNよりも少ない時間で、適切なトレーニング精度で計算を収束させる。
論文参考訳（メタデータ） (2023-03-10T11:24:32Z)
Multiclass classification using quantum convolutional neural networks with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文参考訳（メタデータ） (2022-03-29T09:07:18Z)
On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
論文参考訳（メタデータ） (2021-09-20T12:41:50Z)
Variational Quanvolutional Neural Networks with enhanced image encoding [0.0]
畳み込みにインスパイアされたハイブリッド量子古典画像分類アルゴリズム(QNN)の性能に及ぼす3種類の異なる量子画像符号化手法の効果について検討する。実験の結果,一部の画像符号化は変分回路に適していることがわかった。
論文参考訳（メタデータ） (2021-06-14T12:08:30Z)
Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文参考訳（メタデータ） (2021-04-30T21:34:11Z)
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文参考訳（メタデータ） (2020-10-14T18:05:49Z)
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)
Training Interpretable Convolutional Neural Networks by Differentiating Class-specific Filters [64.46270549587004]
畳み込みニューラルネットワーク(CNN)は、様々なタスクでうまく使われている。 CNNは、しばしば「ブラックボックス」と解釈可能性の欠如とみなされる。本稿では,クラス固有のフィルタを奨励することで,解釈可能なCNNを訓練する新しい手法を提案する。
論文参考訳（メタデータ） (2020-07-16T09:12:26Z)

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。