論文の概要: Quantum Methods for Neural Networks and Application to Medical Image Classification

• arxiv url: http://arxiv.org/abs/2212.07389v1
• Date: Wed, 14 Dec 2022 18:17:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-09 14:31:24.170784
• Title: Quantum Methods for Neural Networks and Application to Medical Image Classification
• Title（参考訳）: ニューラルネットワークの量子法と医用画像分類への応用
• Authors: Jonas Landman, Natansh Mathur, Yun Yvonna Li, Martin Strahm, Skander Kazdaghli, Anupam Prakash, Iordanis Kerenidis
• Abstract要約: ニューラルネットワークのための新しい量子法を2つ導入する。 1つ目は、量子ピラミッド回路に基づく量子直交ニューラルネットワークである。 第2の方法は量子支援ニューラルネットワークであり、量子コンピュータを用いて内部積推定を行う。
• 参考スコア（独自算出の注目度）: 5.817995726696436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning techniques have been proposed as a way to potentially enhance performance in machine learning applications. In this paper, we introduce two new quantum methods for neural networks. The first one is a quantum orthogonal neural network, which is based on a quantum pyramidal circuit as the building block for implementing orthogonal matrix multiplication. We provide an efficient way for training such orthogonal neural networks; novel algorithms are detailed for both classical and quantum hardware, where both are proven to scale asymptotically better than previously known training algorithms. The second method is quantum-assisted neural networks, where a quantum computer is used to perform inner product estimation for inference and training of classical neural networks. We then present extensive experiments applied to medical image classification tasks using current state of the art quantum hardware, where we compare different quantum methods with classical ones, on both real quantum hardware and simulators. Our results show that quantum and classical neural networks generates similar level of accuracy, supporting the promise that quantum methods can be useful in solving visual tasks, given the advent of better quantum hardware.
• Abstract（参考訳）: 機械学習アプリケーションの性能を高める手段として、量子機械学習技術が提案されている。 本稿では,ニューラルネットワークのための2つの新しい量子法を提案する。 1つ目は、直交行列乗法を実装するためのビルディングブロックとして量子ピラミッド回路に基づく量子直交ニューラルネットワークである。 従来のトレーニングアルゴリズムよりも漸近的にスケールすることが証明された古典的ハードウェアと量子ハードウェアの両方において、新しいアルゴリズムが詳細に記述されている。 第2の方法は量子支援ニューラルネットワークであり、量子コンピュータを用いて古典的ニューラルネットワークの推論とトレーニングのための内部積推定を行う。 次に, 量子ハードウェアの現況を用いて, 医用画像分類タスクに適用する広範な実験を行い, 実際の量子ハードウェアとシミュレータの両方において, 異なる量子手法と古典的手法を比較した。 その結果、量子および古典的ニューラルネットワークは、同じレベルの精度を生成し、より優れた量子ハードウェアの出現を前提に、量子メソッドが視覚的なタスクの解決に有用であることを保証した。

関連論文リスト

• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• A Hybrid Quantum-Classical Neural Network Architecture for Binary Classification [0.0]
  本稿では,各ニューロンが変動量子回路であるハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 シミュレーションハードウェアでは、ハイブリッドニューラルネットワークは、個々の変動量子回路よりも約10%高い分類精度とコストの20%の最小化を実現している。
  論文  参考訳（メタデータ） (2022-01-05T21:06:30Z)
• Quantum Algorithms for Unsupervised Machine Learning and Neural Networks [2.28438857884398]
  行列積や距離推定といったタスクを解くために量子アルゴリズムを導入する。 これらの結果は、教師なし機械学習のための新しい量子アルゴリズムの開発に使用される。 また、ニューラルネットワークやディープラーニングのための新しい量子アルゴリズムも提示します。
  論文  参考訳（メタデータ） (2021-11-05T16:36:09Z)
• Medical image classification via quantum neural networks [5.817995726696436]
  医用画像分類のための2つの異なる量子ニューラルネットワーク技術について検討する。 本手法は,網膜色眼底像と胸部X線像の2つの異なる画像モダリティについてベンチマークを行った。
  論文  参考訳（メタデータ） (2021-09-04T09:41:15Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• Mutual Reinforcement between Neural Networks and Quantum Physics [0.0]
  量子機械学習は、量子力学と機械学習の共生から生まれる。 古典的な機械学習を量子物理学問題に適用するためのツールとして使う。 量子パーセプトロンの力学に基づく量子ニューラルネットワークの設計と、短絡の断熱への応用は、短時間の動作時間と堅牢な性能をもたらす。
  論文  参考訳（メタデータ） (2021-05-27T16:20:50Z)
• 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)
• Variational learning for quantum artificial neural networks [0.0]
  まず、量子プロセッサ上での人工ニューロンとフィードフォワードニューラルネットワークの実装について、最近の一連の研究を概説する。 次に、変分アンサンプリングプロトコルに基づく効率的な個別量子ノードのオリジナル実現を提案する。 メモリ効率の高いフィードフォワードアーキテクチャとの完全な互換性を維持しながら、単一ニューロンの活性化確率を決定するのに必要な量子回路深さを効果的に削減する。
  論文  参考訳（メタデータ） (2021-03-03T16:10:15Z)
• 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)
• 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。