Fugu-MT 論文翻訳(概要): Quantum Convolutional Neural Networks with Interaction Layers for Classification of Classical Data

論文の概要: Quantum Convolutional Neural Networks with Interaction Layers for Classification of Classical Data

arxiv url: http://arxiv.org/abs/2307.11792v1
Date: Thu, 20 Jul 2023 20:45:44 GMT
ステータス: 処理完了
システム内更新日: 2023-07-25 19:36:26.939740
Title: Quantum Convolutional Neural Networks with Interaction Layers for Classification of Classical Data
Title（参考訳）: 古典データの分類のための相互作用層を有する量子畳み込みニューラルネットワーク
Authors: Jishnu Mahmud, Raisa Mashtura, Shaikh Anowarul Fattah
Abstract要約: 本稿では,3量子相互作用を利用した新しい相互作用層を持つ量子畳み込みネットワークを提案する。提案手法は、MNIST、Fashion MNIST、Irisデータセットという3つの公開データセットでテストされている。
参考スコア（独自算出の注目度）: 0.46408356903366527
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Quantum Machine Learning (QML) has come into the limelight due to the exceptional computational abilities of quantum computers. With the promises of near error-free quantum computers in the not-so-distant future, it is important that the effect of multi-qubit interactions on quantum neural networks is studied extensively. This paper introduces a Quantum Convolutional Network with novel Interaction layers exploiting three-qubit interactions increasing the network's expressibility and entangling capability, for classifying both image and one-dimensional data. The proposed approach is tested on three publicly available datasets namely MNIST, Fashion MNIST, and Iris datasets, to perform binary and multiclass classifications and is found to supersede the performance of the existing state-of-the-art methods.
Abstract（参考訳）: 量子機械学習(quantum machine learning, qml)は、量子コンピュータの計算能力の異常さから生まれた。量子ニューラルネットワークにおけるマルチキュービット相互作用の影響は, 近距離量子コンピュータの今後への期待から広く研究されることが重要である。本稿では,ネットワークの表現可能性と絡み合い能力を高める3量子ビット相互作用を利用した新しい相互作用層を有する量子畳み込みネットワークを提案する。提案手法は, mnist, fashion mnist, irisデータセットの3つの公開データセットを用いて, バイナリ分類とマルチクラス分類を行い, 既存の最先端手法の性能に取って代わるものと考えられる。

関連論文リスト

Let the Quantum Creep In: Designing Quantum Neural Network Models by Gradually Swapping Out Classical Components [1.024113475677323]
現代のAIシステムはニューラルネットワーク上に構築されることが多い。古典的ニューラルネットワーク層を量子層に置き換える枠組みを提案する。画像分類データセットの数値実験を行い、量子部品の体系的導入による性能変化を実証する。
論文参考訳（メタデータ） (2024-09-26T07:01:29Z)
Quantum-inspired activation functions and quantum Chebyshev-polynomial network [6.09437748873686]
畳み込みニューラルネットワーク(CNN)に組み込まれた量子回路の機能的表現性について検討する。我々は,量子活性化関数の特性に基づいて,ハイブリッド量子Chebyshev-polynomial Network (QCPN) を開発した。この結果から,量子インスパイアされたアクティベーション関数は,高次学習能力を維持しながらモデル深度を低減できることが示唆された。
論文参考訳（メタデータ） (2024-04-08T23:08:38Z)
Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文参考訳（メタデータ） (2023-11-07T04:35:03Z)
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)
Multiclass classification using quantum convolutional neural networks with hybrid quantum-classical learning [0.5999777817331318]
本稿では,量子畳み込みニューラルネットワークに基づく量子機械学習手法を提案する。提案手法を用いて,MNISTデータセットの4クラス分類を,データエンコーディングの8つのキュービットと4つのアクニラキュービットを用いて実証する。この結果から,学習可能なパラメータの数に匹敵する古典的畳み込みニューラルネットワークによる解の精度が示された。
論文参考訳（メタデータ） (2022-03-29T09:07:18Z)
Quantum-inspired Complex Convolutional Neural Networks [17.65730040410185]
我々は、より豊かな表現能力とより良い非線形性を持つ複素数値重みを利用することにより、量子刺激ニューロンを改善した。我々は、高次元データを処理できる量子インスパイアされた畳み込みニューラルネットワーク(QICNN)のモデルを描く。 5つのQICNNの分類精度をMNISTとCIFAR-10データセットで検証した。
論文参考訳（メタデータ） (2021-10-31T03:10:48Z)
Comparing concepts of quantum and classical neural network models for image classification task [0.456877715768796]
本資料は、ハイブリッド量子古典ニューラルネットワークのトレーニングと性能に関する実験結果を含む。シミュレーションは時間を要するが、量子ネットワークは時間を要するが、古典的なネットワークを克服する。
論文参考訳（メタデータ） (2021-08-19T18:49:30Z)
On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文参考訳（メタデータ） (2021-06-29T14:01:40Z)
Quantum Federated Learning with Quantum Data [87.49715898878858]
量子機械学習(QML)は、量子コンピューティングの発展に頼って、大規模な複雑な機械学習問題を探求する、有望な分野として登場した。本稿では、量子データ上で動作し、量子回路パラメータの学習を分散的に共有できる初めての完全量子連合学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-05-30T12:19:27Z)
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。