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

• arxiv url: http://arxiv.org/abs/2403.05754v6
• Date: Tue, 18 Feb 2025 08:03:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:01:15.708187
• Title: Hybrid Quantum-inspired Resnet and Densenet for Pattern Recognition
• Title（参考訳）: パターン認識のためのハイブリッド量子インスパイアされたResnetとDensenet
• Authors: Andi Chen, Hua-Lei Yin, Zeng-Bing Chen, Shengjun Wu,
• Abstract要約: パターン認識のための適応的残差と高密度接続を有する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。 我々は、量子に着想を得た層による勾配爆発を防止するために、ハイブリッドモデルの潜在的な優位性を示す。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License:
• Abstract: In this paper, we propose two hybrid quantum-inspired neural networks with adaptive residual and dense connections respectively for pattern recognition. We explain the frameworks of the symmetrical circuit models in the quantum-inspired layers in our hybrid models. We also illustrate the potential superiority of our hybrid models to prevent gradient explosion owing to the quantum-inspired layers. Groups of numerical experiments on generalization power show that our hybrid models possess roughly the same level of generalization power as the pure classical models with different noisy datasets utilized. Furthermore, the comparison on generalization ability between our hybrid models and a state-of-the-art hybrid quantum-classical convolutional network demonstrates 3%-4% higher accuracy of our hybrid densely-connected model than the hybrid quantum-classical network. Simultaneously, in terms of groups of experiment on robustness, the results demonstrate that our two hybrid models outperform pure classical models notably in resistance to parameter attacks with various asymmetric noises. They also indicate the superiority of our densely-connected hybrid model over the hybrid quantum-classical network under both symmetrical and asymmetrical attacks. Furthermore, an ablation study indicate that the recognition accuracy of our two hybrid models is 2%-3% higher than that of the traditional quantum-inspired neural network without residual or dense connection. Eventually, we discuss the application scenarios of our hybrid models by analyzing their computational complexities.
• Abstract（参考訳）: 本稿では,パターン認識のための適応的残差と高密度接続を有する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。 我々は、我々のハイブリッドモデルにおける量子インスピレーションされた層における対称回路モデルの枠組みを説明します。 また、量子に着想を得た層による勾配の爆発を防止するために、ハイブリッドモデルの潜在的な優位性についても説明します。 一般化パワーに関する数値実験のグループは、我々のハイブリッドモデルは、異なるノイズデータセットを用いた純粋古典モデルとほぼ同程度の一般化パワーを持つことを示した。 さらに、我々のハイブリッドモデルと最先端のハイブリッド量子古典的畳み込みネットワークとの一般化能力の比較では、ハイブリッド量子古典的ネットワークよりも3%-4%高い精度を示している。 同時に、ロバスト性に関する実験の観点で、我々の2つのハイブリッドモデルは、様々な非対称雑音を持つパラメータ攻撃に対する耐性において、純粋古典モデルよりも優れていることを示した。 それらはまた、対称攻撃と非対称攻撃の両方の下で、ハイブリッド量子古典ネットワークよりも密結合ハイブリッドモデルの優位性を示す。 さらに、アブレーション研究では、我々の2つのハイブリッドモデルの認識精度が、残留または密接な接続のない従来の量子インスピレーションニューラルネットワークの認識精度よりも2%-3%高いことが示されている。 最終的には,それらの計算複雑性を解析してハイブリッドモデルの応用シナリオを論じる。

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。