論文の概要: A Quantum Neural Network-Based Approach to Power Quality Disturbances Detection and Recognition
- arxiv url: http://arxiv.org/abs/2406.03081v1
- Date: Wed, 5 Jun 2024 09:10:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 19:09:43.008767
- Title: A Quantum Neural Network-Based Approach to Power Quality Disturbances Detection and Recognition
- Title（参考訳）: 量子ニューラルネットワークによる電力品質変動検出と認識へのアプローチ
- Authors: Guo-Dong Li, Hai-Yan He, Yue Li, Xin-Hao Li, Hao Liu, Qing-Le Wang, Long Cheng,
- Abstract要約: 電力品質障害(PQD)は電力システムの安定性と信頼性に大きな影響を及ぼす。
本稿では,PQDの検出と認識のための改良型量子ニューラルネットワーク(QNN)モデルを提案する。
このモデルは、障害の検出、7つの単一障害の認識、10の混合障害の認識を含む実験で99.75%、97.85%、95.5%の精度を達成する。
- 参考スコア（独自算出の注目度）: 15.789631792979366
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Power quality disturbances (PQDs) significantly impact the stability and reliability of power systems, necessitating accurate and efficient detection and recognition methods. While numerous classical algorithms for PQDs detection and recognition have been extensively studied and applied, related work in the quantum domain is still in its infancy. In this paper, an improved quantum neural networks (QNN) model for PQDs detection and recognition is proposed. Specifically, the model constructs a quantum circuit comprising data qubits and ancilla qubits. Classical data is transformed into quantum data by embedding it into data qubits via the encoding layer. Subsequently, parametric quantum gates are utilized to form the variational layer, which facilitates qubit information transformation, thereby extracting essential feature information for detection and recognition. The expected value is obtained by measuring ancilla qubits, enabling the completion of disturbance classification based on this expected value. An analysis reveals that the runtime and space complexities of the QNN are $O\left ( poly\left ( N \right ) \right )$ and $O\left ( N \right )$, respectively. Extensive experiments validate the feasibility and superiority of the proposed model in PQD detection and recognition. The model achieves accuracies of 99.75\%, 97.85\% and 95.5\% in experiments involving the detection of disturbances, recognition of seven single disturbances, and recognition of ten mixed disturbances, respectively. Additionally, noise simulation and comparative experiments demonstrate that the proposed model exhibits robust anti-noise capabilities, requires few training parameters, and maintains high accuracy.
- Abstract（参考訳）: 電力品質障害(PQD)は電力システムの安定性と信頼性に大きな影響を与え、正確かつ効率的な検出と認識方法を必要とする。
PQDの検出と認識のための多くの古典的アルゴリズムが広く研究され応用されているが、量子領域における関連する研究はまだ初期段階にある。
本稿では、PQDの検出と認識のための改良された量子ニューラルネットワーク(QNN)モデルを提案する。
具体的には、データ量子ビットとアンシラ量子ビットからなる量子回路を構成する。
古典的なデータは、エンコーディング層を介してデータキュービットに埋め込み、量子データに変換される。
その後、パラメトリック量子ゲートを用いて変動層を形成し、量子ビット情報変換を容易にし、検出および認識に不可欠な特徴情報を抽出する。
期待値は、アンシラ量子ビットを測定し、この期待値に基づいて外乱分類の完了を可能にする。
QNNのランタイムと空間の複雑さは、それぞれ$O\left (poly\left (N \right ) \right )$と$O\left (N \right )$である。
PQDの検出と認識における提案モデルの有効性と優位性を検証する。
このモデルは、障害の検出、7つの単一障害の認識、および10の混合障害の認識を含む実験において、99.75\%、97.85\%、95.5\%の精度を達成する。
さらに、ノイズシミュレーションと比較実験により、提案モデルが頑健なアンチノイズ能力を示し、トレーニングパラメータがほとんど必要とせず、高精度を維持していることを示す。
関連論文リスト
- Quantum-Trained Convolutional Neural Network for Deepfake Audio Detection [3.2927352068925444]
ディープフェイク技術は プライバシー セキュリティ 情報整合性に 課題をもたらす
本稿では,ディープフェイク音声の検出を強化するために,量子学習型畳み込みニューラルネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-11T20:52:10Z) - Quantum-enhanced learning with a controllable bosonic variational sensor network [0.40964539027092906]
絡み合ったセンサネットワーク(SLAEN)による教師付き学習
本稿では非線形データ分類タスクを処理できるSLAENを提案する。
分類誤差のしきい値現象は、プローブのエネルギーが一定のしきい値を超えると、誤差は劇的にゼロになる。
論文 参考訳（メタデータ） (2024-04-28T19:41:40Z) - Identifiability and Characterization of Transmon Qutrits Through Bayesian Experimental Design [0.0]
クォート系の量子特性評価のためのオンラインベイズ的手法を提案する。
パラメータの点推定を行うほとんどの評価プロトコルとは異なり、提案手法は確率分布を推定することができる。
モデルパラメータの理論的同定可能性の数学的証明と,パラメータが同定可能な量子状態に関する条件を提供する。
論文 参考訳（メタデータ） (2023-12-15T22:02:54Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳（メタデータ） (2023-11-13T09:46:05Z) - Flexible Error Mitigation of Quantum Processes with Data Augmentation
Empowered Neural Model [9.857921247636451]
誤り軽減のためのデータ拡張強化型ニューラルモデルを提案する。
我々のモデルは、特定のノイズタイプや測定設定に関する事前の知識を必要としない。
対象の量子プロセスのノイズ測定結果のみからノイズフリー統計を推定することができる。
論文 参考訳（メタデータ） (2023-11-03T05:52:14Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - 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) - Simulating the Mott transition on a noisy digital quantum computer via
Cartan-based fast-forwarding circuits [62.73367618671969]
動的平均場理論(DMFT)は、ハバードモデルの局所グリーン関数をアンダーソン不純物のモデルにマッピングする。
不純物モデルを効率的に解くために、量子およびハイブリッド量子古典アルゴリズムが提案されている。
この研究は、ノイズの多いデジタル量子ハードウェアを用いたMott相転移の最初の計算を提示する。
論文 参考訳（メタデータ） (2021-12-10T17:32:15Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳（メタデータ） (2021-06-10T04:21:20Z) - Particle Track Classification Using Quantum Associative Memory [0.3058685580689604]
パターン認識アルゴリズムは、一般に、サブ原子物理学実験における軌道再構成のステップを単純化するために用いられる。
本稿では,量子アニールに基づく量子連想メモリについて検討し,粒子トラック分類に適用する。
D-Wave 2000Qプロセッサをテストベッドとして,これらの手法の分類性能を関数検出器分解能,パターンライブラリサイズ,検出器非効率として特徴付ける。
論文 参考訳（メタデータ） (2020-11-24T02:32:19Z)
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。