論文の概要: Hybrid Quantum-inspired Resnet and Densenet for Pattern Recognition with Completeness Analysis

• arxiv url: http://arxiv.org/abs/2403.05754v1
• Date: Sat, 9 Mar 2024 01:34:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 12:29:39.086610
• Title: Hybrid Quantum-inspired Resnet and Densenet for Pattern Recognition with Completeness Analysis
• Title（参考訳）: 完全性解析によるパターン認識のためのハイブリッド量子インスピレーション型ResnetとDensenet
• Authors: Andi Chen, Hua-Lei Yin, Zeng-Bing Chen, Shengjun Wu
• Abstract要約: ムーア後の時代は、優れたポテンシャルを持つ量子インスパイアされたニューラルネットワークの開発を加速させた。 本稿では,残差および高密度接続に根ざした2つのハイブリッド量子インスピレーションニューラルネットワークを提案する。 比較分析により、パラメータの複雑さが低いハイブリッドモデルは、純粋古典モデルの一般化能力に適合するだけでなく、パラメータ攻撃に対する様々な非対称雑音に対する抵抗性にも優れることが明らかとなった。
• 参考スコア（独自算出の注目度）: 1.1470070927586018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the contemporary digital technology approaching, deep neural networks are emerging as the foundational algorithm of the artificial intelligence boom. Whereas, the evolving social demands have been emphasizing the necessity of novel methodologies to substitute traditional neural networks. Concurrently, the advent of the post-Moore era has spurred the development of quantum-inspired neural networks with outstanding potentials at certain circumstances. Nonetheless, a definitive evaluating system with detailed metrics is tremendously vital and indispensable owing to the vague indicators in comparison between the novel and traditional deep learning models at present. Hence, to improve and evaluate the performances of the novel neural networks more comprehensively in complex and unpredictable environments, we propose two hybrid quantum-inspired neural networks which are rooted in residual and dense connections respectively for pattern recognitions with completeness representation theory for model assessment. Comparative analyses against pure classical models with detailed frameworks reveal that our hybrid models with lower parameter complexity not only match the generalization power of pure classical models, but also outperform them notably in resistance to parameter attacks with various asymmetric noises. Moreover, our hybrid models indicate unique superiority to prevent gradient explosion problems through theoretical argumentation. Eventually, We elaborate on the application scenarios where our hybrid models are applicable and efficient, which paves the way for their industrialization and commercialization.
• Abstract（参考訳）: 現代のデジタル技術が近づくにつれて、人工知能ブームの基盤的アルゴリズムとしてディープニューラルネットワークが登場している。 一方で、進化する社会的要求は、従来のニューラルネットワークを置き換える新しい手法の必要性を強調している。 同時に、ポストムーア時代の到来は、特定の状況において優れたポテンシャルを持つ量子インスパイアされたニューラルネットワークの開発を促した。 それにもかかわらず、詳細なメトリクスを持つ決定的な評価システムは、現在の新しいディープラーニングモデルと従来のディープラーニングモデルとの比較において曖昧な指標のため、極めて重要かつ不可欠である。 そこで,新しいニューラルネットワークの性能を複雑で予測不能な環境においてより包括的に評価するために,モデル評価のための完全性表現理論を用いたパターン認識において,それぞれ残差と密接性に根ざした2つのハイブリッド量子インスパイアニューラルネットワークを提案する。 詳細なフレームワークを用いた純粋古典モデルに対する比較分析により、パラメータ複雑性の低いハイブリッドモデルが、純粋古典モデルの一般化力に匹敵するだけでなく、様々な非対称ノイズを伴うパラメータ攻撃に対する抵抗において特に優れることが明らかとなった。 さらに,我々のハイブリッドモデルは,理論的議論による勾配爆発問題を防止するために,特異な優位性を示す。 最終的には、当社のハイブリッドモデルが適用可能で効率的なアプリケーションシナリオを詳細に説明して、その産業化と商業化への道を開きます。

関連論文リスト

• Modeling Nonlinear Oscillator Networks Using Physics-Informed Hybrid Reservoir Computing [0.0]
  本研究では, ハイブリッド型貯水池計算と「専門的」解析モデルを組み合わせることで, ハイブリッド型貯水池計算について検討する。 ハイブリッド貯水池コンピュータは一般的に標準貯水池コンピュータより優れていることを示す。 専門家モデルにはアクセスできない動的体制には優れた性能があり、貯水池の貢献を実証している。
  論文  参考訳（メタデータ） (2024-11-07T15:09:23Z)
• An ensemble framework approach of hybrid Quantum convolutional neural networks for classification of breast cancer images [2.1659912179830023]
  量子ニューラルネットワークは、ネットワークモデルを学習してスケールアップする能力において、古典的なニューラルネットワークを置き換えるのに適していると考えられている。 医用画像分類は、ディープラーニング、特に畳み込みニューラルネットワークの応用によく関係している。
  論文  参考訳（メタデータ） (2024-09-24T10:43:27Z)
• HyPer-EP: Meta-Learning Hybrid Personalized Models for Cardiac Electrophysiology [7.230055455268642]
  本稿では,個人化された心臓デジタル双生児を記述するための新しいハイブリッド・モデリング・フレームワークを提案する。 そこで我々は,物理系と神経系の両方のコンポーネントを識別するための新しいメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-15T02:30:00Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• Adversarial attacks on hybrid classical-quantum Deep Learning models for Histopathological Cancer Detection [0.0]
  この研究は、ハイブリッド古典量子ディープラーニングモデルの2つの主要な応用を強調している。 我々は、ペニレーンのデフォルト量子シミュレータを用いた古典モデルとハイブリッド古典量子モデルのパフォーマンスの精度を比較した。
  論文  参考訳（メタデータ） (2023-09-08T06:37:54Z)
• Bias in Pruned Vision Models: In-Depth Analysis and Countermeasures [93.17009514112702]
  ニューラルネットワークのパラメータのかなりの部分集合をゼロに設定するプルーニングは、モデル圧縮の最も一般的な方法の1つである。 この現象の既存の証拠にもかかわらず、ニューラルネットワークのプルーニングと誘導バイアスの関係はよく理解されていない。
  論文  参考訳（メタデータ） (2023-04-25T07:42:06Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Post-mortem on a deep learning contest: a Simpson's paradox and the complementary roles of scale metrics versus shape metrics [61.49826776409194]
  我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。 メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。 本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
  論文  参考訳（メタデータ） (2021-06-01T19:19:49Z)
• Hyperbolic Neural Networks++ [66.16106727715061]
  ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。 実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
  論文  参考訳（メタデータ） (2020-06-15T08:23:20Z)
• Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
  過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。 また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
  論文  参考訳（メタデータ） (2020-02-20T15:43:02Z)

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。