Fugu-MT 論文翻訳(概要): The Robustness Verification of Linear Sound Quantum Classifiers

論文の概要: The Robustness Verification of Linear Sound Quantum Classifiers

arxiv url: http://arxiv.org/abs/2303.04982v1
Date: Thu, 9 Mar 2023 01:46:33 GMT
ステータス: 処理完了
システム内更新日: 2023-03-10 16:20:25.328056
Title: The Robustness Verification of Linear Sound Quantum Classifiers
Title（参考訳）: 線形音響量子分類器のロバスト性検証
Authors: Su Bonan
Abstract要約: 線形音であるある種の量子分類器のロバスト性検証のための迅速かつ健全な手法を提案する。提案手法を,MindQuantum,Huaweiを用いて量子畳み込みニューラルネットワーク,QCNNを用いて実装し,MNISTデータセットの分類においてその堅牢性を検証することに成功した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: I present a quick and sound method for the robustness verification of a sort of quantum classifiers who are Linear Sound. Since quantum machine learning has been put into practice in relevant fields and Linear Sound Property, LSP is a pervasive property, the method could be universally applied. I implemented my method with a Quantum Convolutional Neural Network, QCNN using MindQuantum, Huawei and successfully verified its robustness when classifying MNIST dataset.
Abstract（参考訳）: 線形音であるある種の量子分類器のロバスト性検証のための迅速かつ健全な手法を提案する。量子機械学習は、関連する分野や線形音響特性において実践されているため、LSPは広く普及している性質であり、この手法を普遍的に適用することができる。提案手法を,MindQuantum,Huaweiを用いて量子畳み込みニューラルネットワーク,QCNNを用いて実装し,MNISTデータセットの分類においてその堅牢性を検証することに成功した。

関連論文リスト

Quantum-Trained Convolutional Neural Network for Deepfake Audio Detection [3.2927352068925444]
ディープフェイク技術はプライバシーセキュリティ情報整合性に課題をもたらす本稿では,ディープフェイク音声の検出を強化するために,量子学習型畳み込みニューラルネットワークフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-11T20:52:10Z)
Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
論文参考訳（メタデータ） (2022-11-29T13:32:38Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
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)
Quantum Self-Attention Neural Networks for Text Classification [8.975913540662441]
量子自己アテンションニューラルネットワーク(QSANN)と呼ばれる,新しいシンプルなネットワークアーキテクチャを提案する。本稿では,量子ニューラルネットワークに自己アテンション機構を導入し,ガウス射影量子自己アテンションを自己アテンションの有感な量子バージョンとして活用する。提案手法は低レベル量子雑音に対するロバスト性を示し,量子ニューラルネットワークアーキテクチャに対するレジリエンスを示す。
論文参考訳（メタデータ） (2022-05-11T16:50:46Z)
Implementation and Empirical Evaluation of a Quantum Machine Learning Pipeline for Local Classification [0.0]
本稿では,ローカル分類のためのQMLパイプラインのPython実装について述べる。具体的には、量子k-NNと量子二項分類器からなる。その結果、量子パイプラインは(正確性の観点から)理想の場合の古典的な等価性を示している。
論文参考訳（メタデータ） (2022-05-11T08:18:57Z)
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)
Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文参考訳（メタデータ） (2021-02-09T13:48:00Z)
Robustness Verification of Quantum Classifiers [1.3534683694551501]
我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
論文参考訳（メタデータ） (2020-08-17T11:56:23Z)
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)

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。