Fugu-MT 論文翻訳(概要): quEEGNet: Quantum AI for Biosignal Processing

論文の概要: quEEGNet: Quantum AI for Biosignal Processing

arxiv url: http://arxiv.org/abs/2210.00864v1
Date: Thu, 29 Sep 2022 01:59:24 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 18:13:38.266396
Title: quEEGNet: Quantum AI for Biosignal Processing
Title（参考訳）: quEEGNet:生体信号処理のための量子AI
Authors: Toshiaki Koike-Akino, Ye Wang
Abstract要約: 生体信号処理アプリケーションのための古典的なディープラーニング手法を支援するために,新しい量子機械学習(QML)フレームワークを導入する。本稿では、変動量子回路(VQC)を脳波(EEG)、筋電図(EMG)、脳波(ECoG)分析のためのディープニューラルネットワーク(DNN)に統合するハイブリッド量子古典ニューラルネットワークモデルを提案する。
参考スコア（独自算出の注目度）: 16.42183040840934
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce an emerging quantum machine learning (QML) framework to assist classical deep learning methods for biosignal processing applications. Specifically, we propose a hybrid quantum-classical neural network model that integrates a variational quantum circuit (VQC) into a deep neural network (DNN) for electroencephalogram (EEG), electromyogram (EMG), and electrocorticogram (ECoG) analysis. We demonstrate that the proposed quantum neural network (QNN) achieves state-of-the-art performance while the number of trainable parameters is kept small for VQC.
Abstract（参考訳）: 本稿では,生物信号処理アプリケーションのための古典的深層学習手法を支援する新しい量子機械学習(qml)フレームワークを提案する。具体的には、変動量子回路(VQC)を脳波(EEG)、筋電図(EMG)、脳波(ECoG)分析のためのディープニューラルネットワーク(DNN)に統合するハイブリッド量子古典ニューラルネットワークモデルを提案する。提案する量子ニューラルネットワーク (qnn) は, vqc では学習可能なパラメータ数が小さく保たれながら, 最先端の性能を実現する。

関連論文リスト

Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文参考訳（メタデータ） (2024-11-13T12:03:39Z)
QEEGNet: Quantum Machine Learning for Enhanced Electroencephalography Encoding [4.242700027970003]
我々は、量子コンピューティングと古典的なEEGNetアーキテクチャを統合し、EEGエンコーディングと分析を改善する新しいハイブリッドニューラルネットワークであるQuantum-EEGNet(QEEGNet)を紹介する。 QEEGNetはニューラルネットワークに量子層を組み込んで、EEGデータのより複雑なパターンをキャプチャし、計算上の利点を提供する。我々は、ベンチマークEEGデータセット上でQEEGNetを評価し、ほとんどの被験者および他の被験者において、従来型のEEGNetを一貫して上回っていることを実証した。
論文参考訳（メタデータ） (2024-07-27T08:54:02Z)
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)
An Application of Quantum Machine Learning on Quantum Correlated Systems: Quantum Convolutional Neural Network as a Classifier for Many-Body Wavefunctions from the Quantum Variational Eigensolver [0.0]
最近提案された量子畳み込みニューラルネットワーク(QCNN)は、量子回路を使用するための新しいフレームワークを提供する。ここでは、一次元逆場イジングモデル(TFIM)に対する変分量子固有解器の波動関数によるQCNNのトレーニング結果を示す。 QCNNは、それから遠く離れた波動関数によって訓練されたとしても、量子臨界点の周りの波動関数の対応する位相を予測するために訓練することができる。
論文参考訳（メタデータ） (2021-11-09T12:08:49Z)
QDCNN: Quantum Dilated Convolutional Neural Network [1.52292571922932]
量子拡張畳み込みニューラルネットワーク(QDCNN)と呼ばれる新しいハイブリッド量子古典型アルゴリズムを提案する。提案手法は,現代のディープラーニングアルゴリズムに広く応用されている拡張畳み込みの概念を,ハイブリッドニューラルネットワークの文脈にまで拡張する。提案したQDCNNは,量子畳み込み過程において,計算コストを低減しつつ,より大きなコンテキストを捉えることができる。
論文参考訳（メタデータ） (2021-10-29T10:24:34Z)
QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
論文参考訳（メタデータ） (2021-10-06T14:44:51Z)
A Quantum Convolutional Neural Network for Image Classification [7.745213180689952]
量子畳み込みニューラルネットワーク(QCNN)という新しいニューラルネットワークモデルを提案する。 QCNNは実装可能な量子回路に基づいており、古典的畳み込みニューラルネットワークと同様の構造を持つ。 MNISTデータセットの数値シミュレーションにより,本モデルの有効性が示された。
論文参考訳（メタデータ） (2021-07-08T06:47:34Z)
Entangling Quantum Generative Adversarial Networks [53.25397072813582]
量子生成逆数ネットワーク(量子GAN, EQ-GAN)のための新しいタイプのアーキテクチャを提案する。 EQ-GANはコヒーレントなエラーに対してさらなる堅牢性を示し、Google Sycamore超伝導量子プロセッサで実験的にEQ-GANの有効性を示す。
論文参考訳（メタデータ） (2021-04-30T20:38:41Z)
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)
Recurrent Quantum Neural Networks [7.6146285961466]
リカレントニューラルネットワークは、機械学習における多くのシーケンス対シーケンスモデルの基盤となっている。非自明なタスクに対して実証可能な性能を持つ量子リカレントニューラルネットワーク(QRNN)を構築する。我々はQRNNをMNIST分類で評価し、QRNNに各画像ピクセルを供給し、また、最新のデータ拡張を前処理のステップとして利用する。
論文参考訳（メタデータ） (2020-06-25T17:59:44Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。