論文の概要: Quantum-Inspired Neural Network Model of Optical Illusions

• arxiv url: http://arxiv.org/abs/2312.03447v1
• Date: Wed, 6 Dec 2023 12:10:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 14:54:29.894417
• Title: Quantum-Inspired Neural Network Model of Optical Illusions
• Title（参考訳）: 光イリュージョンの量子インスピレーションニューラルネットワークモデル
• Authors: Ivan S. Maksymov
• Abstract要約: 我々は、ネッカーキューブに対する人間の認識をシミュレートするために、ディープニューラルネットワークモデルを訓練する。 我々の研究結果は、無人航空機の宇宙飛行士やオペレーターの訓練に使用されるビデオゲームや仮想現実システムに応用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ambiguous optical illusions have been a paradigmatic object of fascination, research and inspiration in arts, psychology and video games. However, accurate computational models of perception of ambiguous figures have been elusive. In this paper, we design and train a deep neural network model to simulate the human's perception of the Necker cube, an ambiguous drawing with several alternating possible interpretations. Defining the weights of the neural network connection using a quantum generator of truly random numbers, in agreement with the emerging concepts of quantum artificial intelligence and quantum cognition we reveal that the actual perceptual state of the Necker cube is a qubit-like superposition of the two fundamental perceptual states predicted by classical theories. Our results will find applications in video games and virtual reality systems employed for training of astronauts and operators of unmanned aerial vehicles. They will also be useful for researchers working in the fields of machine learning and vision, psychology of perception and quantum-mechanical models of human mind and decision-making.
• Abstract（参考訳）: 曖昧な光学錯視は、芸術、心理学、ビデオゲームにおけるファシズム、研究、インスピレーションのパラダイム的な対象である。 しかし、曖昧な人物の知覚の正確な計算モデルが解明されている。 本論文では,ネッカーキューブに対する人間の認識をシミュレートする深層ニューラルネットワークモデルの設計と訓練を行う。 真のランダム数の量子生成器を用いてニューラルネットワーク接続の重みを定義することで、量子人工知能と量子認知の概念の出現に合わせて、ネッカーキューブの実際の知覚状態が古典理論によって予測される2つの基本的な知覚状態の量子ビット的重ね合わせであることを示す。 我々の研究結果は、無人航空機の宇宙飛行士やオペレーターの訓練に使用されるビデオゲームや仮想現実システムに応用される。 また、機械学習や視覚、知覚心理学、人間の心と意思決定の量子力学モデルなどの研究にも役立ちます。

関連論文リスト

• Quantum-Brain: Quantum-Inspired Neural Network Approach to Vision-Brain Understanding [7.943955873234841]
  視覚脳理解は、人間の知覚から脳信号に関する意味情報を抽出することを目的としている。 本稿では、視覚脳理解問題に対処する量子インスパイアされたニューラルネットワークを提案する。 提案手法は,fMRIボクセル間の接続性を学習し,人間の知覚から得られる意味情報を強化する。
  論文  参考訳（メタデータ） (2024-11-20T14:59:47Z)
• Deep Quantum Graph Dreaming: Deciphering Neural Network Insights into Quantum Experiments [0.5242869847419834]
  ニューラルネットワークが量子光学実験で何を学ぶかを調べるために、$inception$または$deep$$dreaming$というテクニックを使用します。 私たちのストーリーは、量子システムの特性に関するディープニューラルネットワークのトレーニングから始まります。 ネットワークは、量子システムの特性の初期分布をシフトすることができ、ニューラルネットワークの学習戦略を概念化できる。
  論文  参考訳（メタデータ） (2023-09-13T16:13:54Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Linking Physics and Psychology of Bistable Perception Using an Eye Blink Inspired Quantum Harmonic Oscillator Model [0.0]
  本稿では,心理学現象を記述した新しい量子力学モデルを提案する。 研究1では,不明瞭な人物のバイスタブルな知覚へのモデルの適用を実証する。 研究2では,物理と双安定知覚の生理的関連性を実証した。
  論文  参考訳（メタデータ） (2023-06-23T06:10:00Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Formal Conceptual Views in Neural Networks [0.0]
  本稿では,ニューラルネットワークの概念的視点,特に多値・記号的視点の2つの概念を紹介する。 我々は、ImageNetとFruit-360データセットの異なる実験を通して、新しいビューの概念的表現性をテストする。 本研究では,ニューロンからの人間の理解可能なルールの帰納的学習に概念的視点が適用可能であることを実証する。
  論文  参考訳（メタデータ） (2022-09-27T16:38:24Z)
• Quantum Structure in Human Perception [0.0]
  重ね合わせ、文脈性、絡み合いの量子構造が人間の知覚自体に起源を持つ方法を検討する。 我々の分析は、人間の知覚が分類的知覚のゆらぎのメカニズムをどう組み込むかという単純な量子測定モデルから導かれる。
  論文  参考訳（メタデータ） (2022-08-07T13:59:23Z)
• Standard Model Physics and the Digital Quantum Revolution: Thoughts about the Interface [68.8204255655161]
  量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。 本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
  論文  参考訳（メタデータ） (2021-07-10T06:12:06Z)
• On quantum neural networks [91.3755431537592]
  量子ニューラルネットワークの概念は、その最も一般的な関数の観点から定義されるべきである。 我々の推論は、量子力学におけるファインマン経路積分定式化の利用に基づいている。
  論文  参考訳（メタデータ） (2021-04-12T18:30:30Z)
• 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)
• 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)

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。