論文の概要: Variational Quanvolutional Neural Networks with enhanced image encoding

• arxiv url: http://arxiv.org/abs/2106.07327v1
• Date: Mon, 14 Jun 2021 12:08:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 00:19:52.202138
• Title: Variational Quanvolutional Neural Networks with enhanced image encoding
• Title（参考訳）: 画像符号化機能を有する変分準進化型ニューラルネットワーク
• Authors: Denny Mattern, Darya Martyniuk, Henri Willems, Fabian Bergmann, Adrian Paschke
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image classification is an important task in various machine learning applications. In recent years, a number of classification methods based on quantum machine learning and different quantum image encoding techniques have been proposed. In this paper, we study the effect of three different quantum image encoding approaches on the performance of a convolution-inspired hybrid quantum-classical image classification algorithm called quanvolutional neural network (QNN). We furthermore examine the effect of variational - i.e. trainable - quantum circuits on the classification results. Our experiments indicate that some image encodings are better suited for variational circuits. However, our experiments show as well that there is not one best image encoding, but that the choice of the encoding depends on the specific constraints of the application.
• Abstract（参考訳）: 画像分類は様々な機械学習アプリケーションにおいて重要な課題である。 近年,量子機械学習と異なる量子画像符号化技術に基づく分類手法が数多く提案されている。 本稿では、畳み込みに着想を得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。 さらに,変分の影響について検討する。 トレーニング可能 - 分類結果の量子回路。 実験により,画像エンコーディングが変動回路に適していることを示す。 しかし,本実験では,最適な画像エンコーディングは1つではなく,そのエンコーディングの選択がアプリケーションの特定の制約に依存することを示した。

関連論文リスト

• Integrated Encoding and Quantization to Enhance Quanvolutional Neural Networks [2.789685107745028]
  準進化モデルの効率性を高めるための2つの方法を提案する。 まず,任意の符号化手法に適用可能なメモ化を用いたフレキシブルなデータ量子化手法を提案する。 第2に、単一回路における符号化と処理のステップを組み合わせた、新たな統合符号化戦略を導入する。
  論文  参考訳（メタデータ） (2024-10-08T07:57:13Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Hybrid Quantum Neural Network Structures for Image Multi-classification [0.0]
  2つの最近の画像分類手法が登場し、1つはPCA次元の縮小と角度符号化を採用し、もう1つはQNNをCNNに統合して性能を向上させる。 本研究では、これらのアルゴリズムの性能をマルチクラス画像分類において検討し、現在の環境に適した最適化されたハイブリッド量子ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-30T12:48:05Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• 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)
• On Classifying Images using Quantum Image Representation [20.264388610321056]
  我々は、異なる量子画像表現法を検討し、画像を量子状態にエンコードし、次いで、量子機械学習パイプラインを使用して画像を分類する。 2つの異なる分類器を用いて、グレースケールとカラー画像のベンチマークデータセットの分類を行う。
  論文  参考訳（メタデータ） (2022-06-23T07:35:09Z)
• Quantum-classical convolutional neural networks in radiological image classification [0.0]
  いくつかの量子機械学習アルゴリズムは、古典的な学習能力の改善をもたらす可能性がある。 本稿では、異なる量子回路設計と符号化技術を備えた異なるハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)を提案する。
  論文  参考訳（メタデータ） (2022-04-26T15:47:19Z)
• A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
  本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。 提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
  論文  参考訳（メタデータ） (2022-03-22T22:02:09Z)
• Improved FRQI on superconducting processors and its restrictions in the NISQ era [62.997667081978825]
  量子画像のフレキシブル表現の実現可能性について検討する。 また、現在の雑音の中間スケール量子時代の限界を実験的に検証する。 FRQIに必要な回路を単純化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T10:42:43Z)
• Quantum Enhanced Filter: QFilter [0.0]
  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。
  論文  参考訳（メタデータ） (2021-04-07T22:20:20Z)
• Learning to Learn Parameterized Classification Networks for Scalable Input Images [76.44375136492827]
  畳み込みニューラルネットワーク(CNN)は、入力解像度の変化に関して予測可能な認識動作を持たない。 我々はメタラーナーを用いて、様々な入力スケールのメインネットワークの畳み込み重みを生成する。 さらに、異なる入力解像度に基づいて、モデル予測よりもフライでの知識蒸留を利用する。
  論文  参考訳（メタデータ） (2020-07-13T04:27:25Z)

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。