論文の概要: RGB Image Classification with Quantum Convolutional Ansaetze
- arxiv url: http://arxiv.org/abs/2107.11099v1
- Date: Fri, 23 Jul 2021 09:38:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-26 13:59:15.083605
- Title: RGB Image Classification with Quantum Convolutional Ansaetze
- Title(参考訳): 量子畳み込みアンセッツェを用いたRGB画像分類
- Authors: Yu Jing, Yang Yang, Chonghang Wu, Wenbing Fu, Wei Hu, Xiaogang Li and
Hua Xu
- Abstract要約: 本稿では,RGB画像上の畳み込み操作をシミュレートする2種類の量子回路アンセッツェを提案する。
我々の知る限りでは、これはRGB画像を効果的に扱う量子畳み込み回路の最初の作品である。
また、量子回路アンサッツの大きさと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の学習性との関係についても検討する。
- 参考スコア(独自算出の注目度): 18.379304679643436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid growth of qubit numbers and coherence times in quantum
hardware technology, implementing shallow neural networks on the so-called
Noisy Intermediate-Scale Quantum (NISQ) devices has attracted a lot of
interest. Many quantum (convolutional) circuit ansaetze are proposed for
grayscale images classification tasks with promising empirical results.
However, when applying these ansaetze on RGB images, the intra-channel
information that is useful for vision tasks is not extracted effectively. In
this paper, we propose two types of quantum circuit ansaetze to simulate
convolution operations on RGB images, which differ in the way how inter-channel
and intra-channel information are extracted. To the best of our knowledge, this
is the first work of a quantum convolutional circuit to deal with RGB images
effectively, with a higher test accuracy compared to the purely classical CNNs.
We also investigate the relationship between the size of quantum circuit ansatz
and the learnability of the hybrid quantum-classical convolutional neural
network. Through experiments based on CIFAR-10 and MNIST datasets, we
demonstrate that a larger size of the quantum circuit ansatz improves
predictive performance in multiclass classification tasks, providing useful
insights for near term quantum algorithm developments.
- Abstract(参考訳): 量子ハードウェア技術における量子ビット数の急激な増加とコヒーレンス時間により、いわゆるNISQ(Noisy Intermediate-Scale Quantum)デバイス上での浅いニューラルネットワークの実装が注目されている。
多くの量子(畳み込み)回路アンセッツェは、実験結果が期待できるグレースケール画像分類タスクに対して提案されている。
しかし、これらをrgb画像に適用する場合、視覚課題に有用なチャネル内情報を効果的に抽出することができない。
本稿では,RGB画像上の畳み込み操作をシミュレートする2種類の量子回路アンセッツェを提案する。
我々の知る限りでは、これはRGB画像を効果的に扱う量子畳み込み回路の最初の作品であり、純粋に古典的なCNNと比較して高いテスト精度である。
また、量子回路アンサッツの大きさと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の学習性との関係についても検討する。
CIFAR-10とMNISTデータセットに基づく実験により、量子回路アンサッツのより大きなサイズがマルチクラス分類タスクの予測性能を改善し、短期的な量子アルゴリズム開発に有用な洞察を与えることを示した。
関連論文リスト
- Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳(メタデータ) (2024-08-22T08:21:28Z) - Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
本研究は、画像分類タスクにおける量子コンピューティングと古典的機械学習の統合について検討する。
両パラダイムの強みを生かしたハイブリッド量子古典的アプローチを提案する。
実験結果から、ハイブリッドモデルが量子コンピューティングと古典的手法を統合する可能性を示す一方で、量子結果に基づいて訓練された最終モデルの精度は、圧縮された特徴に基づいて訓練された古典的モデルよりも低いことが示唆された。
論文 参考訳(メタデータ) (2024-08-05T22:16:27Z) - Quantum Sparse Coding and Decoding Based on Quantum Network [1.0683439960798695]
スパース符号化と復号化アルゴリズムを実現するための対称量子ニューラルネットワークを提案する。
我々のネットワークは、光回路に自然に適合する多層2レベルユニタリ変換で構成されている。
我々は、古典的問題におけるバイナリとグレースケールの画像の疎符号化と復号化を実現し、量子問題における複雑な量子状態の復号化を実現した。
論文 参考訳(メタデータ) (2024-06-10T04:21:27Z) - Towards Transfer Learning for Large-Scale Image Classification Using
Annealing-based Quantum Boltzmann Machines [7.106829260811707]
本稿では,Quantum Annealing (QA) を用いた画像分類手法を提案する。
本稿では,アニール型量子ボルツマンマシンをハイブリッド量子古典パイプラインの一部として用いることを提案する。
提案手法は,テスト精度とAUC-ROC-Scoreの点で,古典的ベースラインを一貫して上回っていることがわかった。
論文 参考訳(メタデータ) (2023-11-27T16:07:49Z) - 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) - Quantum Convolutional Neural Networks for Multi-Channel Supervised
Learning [0.0]
本稿では,畳み込みカーネルとして使用するハードウェア適応型量子回路について述べる。
提案する量子ニューラルネットワークは,マルチチャネルデータを含む分類タスクにおいて,既存のQCNNよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-05-30T11:48:12Z) - Simulation of Entanglement Generation between Absorptive Quantum
Memories [56.24769206561207]
我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。
本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。
本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
論文 参考訳(メタデータ) (2022-12-17T05:51:17Z) - 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) - 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) - Experimental Quantum Generative Adversarial Networks for Image
Generation [93.06926114985761]
超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。
我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
論文 参考訳(メタデータ) (2020-10-13T06:57:17Z)
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。