論文の概要: A Survey of Classical And Quantum Sequence Models
- arxiv url: http://arxiv.org/abs/2312.10242v1
- Date: Fri, 15 Dec 2023 22:21:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 17:51:58.171253
- Title: A Survey of Classical And Quantum Sequence Models
- Title(参考訳): 古典的および量子的シーケンスモデルに関する調査
- Authors: I-Chi Chen, Harshdeep Singh, V L Anukruti, Brian Quanz, Kavitha
Yogaraj
- Abstract要約: 本稿では,古典的自己アテンションモデルとその量子モデルの比較分析を行う。
我々はこれらの既存手法の重要代表集合を再実装し、量子自己アテンションを用いた画像分類アプローチを適用して量子ハイブリッドトランスを作成する。
また、異なる符号化手法を探求し、位置符号化を量子自己認識ニューラルネットワークに導入することにより、テキストと画像の分類実験における精度の向上とより高速な収束を実現する。
- 参考スコア(独自算出の注目度): 3.442372522693843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Our primary objective is to conduct a brief survey of various classical and
quantum neural net sequence models, which includes self-attention and recurrent
neural networks, with a focus on recent quantum approaches proposed to work
with near-term quantum devices, while exploring some basic enhancements for
these quantum models. We re-implement a key representative set of these
existing methods, adapting an image classification approach using quantum
self-attention to create a quantum hybrid transformer that works for text and
image classification, and applying quantum self-attention and quantum recurrent
neural networks to natural language processing tasks. We also explore different
encoding techniques and introduce positional encoding into quantum
self-attention neural networks leading to improved accuracy and faster
convergence in text and image classification experiments. This paper also
performs a comparative analysis of classical self-attention models and their
quantum counterparts, helping shed light on the differences in these models and
their performance.
- Abstract(参考訳): 我々の主な目的は、自己アテンションやリカレントニューラルネットワークを含む、様々な古典的および量子ニュートラルネットシーケンスモデルについて、短期的量子デバイスを扱うために提案された最近の量子アプローチに注目しながら、これらの量子モデルに対するいくつかの基本的な拡張を探求することである。
既存の手法の重要な代表セットを再実装し、テキストと画像の分類に有効な量子ハイブリッドトランスを作成するために量子自己アテンションを用いた画像分類アプローチを適用し、自然言語処理タスクに量子自己アテンションと量子リカレントニューラルネットワークを適用する。
また,様々な符号化手法を検討し,量子自己整合ニューラルネットワークに位置符号化を導入することで,テキストと画像の分類実験における精度の向上と収束の高速化を実現する。
また,古典的自己注意モデルとその量子モデルの比較分析を行い,これらのモデルの違いとその性能について明らかにした。
関連論文リスト
- Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳(メタデータ) (2023-07-24T02:48:22Z) - Variational quantum algorithms for machine learning: theory and
applications [0.0]
この論文は、変分量子アルゴリズムと量子機械学習の分野における最先端技術に関する包括的なレビューを提供する。
この議論は量子機械学習に移行し、機械学習と統計学習理論の要素の導入に続いて、機械学習モデルの最も一般的な量子モデルに関するレビューが行われる。
論文 参考訳(メタデータ) (2023-06-16T17:28:35Z) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for
Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。
鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。
我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文 参考訳(メタデータ) (2022-12-22T16:06:24Z) - 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) - 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。