論文の概要: Classification and reconstruction of images in the problem single-pixel imaging using classical and quantum neural networks
- arxiv url: http://arxiv.org/abs/2407.12506v1
- Date: Wed, 17 Jul 2024 11:38:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-18 17:17:27.324583
- Title: Classification and reconstruction of images in the problem single-pixel imaging using classical and quantum neural networks
- Title（参考訳）: 古典的および量子ニューラルネットワークを用いた問題単画素画像の分類と再構成
- Authors: Sofya Manko, Dmitriy Frolovtsev,
- Abstract要約: シングルピクセルカメラは、可視光スペクトルの外の光範囲に優れた解決策となる。
将来的には、量子コンピュータはそのような問題の解をさらにスピードアップすることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-pixel cameras can be an excellent solution for light ranges outside the visible spectrum, combined with machine learning, they can analyze images quickly enough for practical applications. In the future of the development of quantum technologies, quantum computers can further speed up the solution of such problems. In this work we simulated a single-pixel detection experiment using Hadamard basis patterns, where images from the MNIST handwritten digit dataset were used as objects. There were selected 64 measurements with maximum variance (6\% of the number of pixels in the image). We created algorithms for classifying and reconstruction images based on these measurements using classical fully connected neural networks and parameterized quantum circuits. Classical and quantum classifiers showed accuracies of 96\% and 95\% respectively after 6 training epochs, which is quite competitive result. Image reconstruction was also demonstrated using classical and quantum neural networks after 10 training epochs, the structural similarity index values were 0.76 and 0.25, respectively, which indicates that the problem in such a formulation turned out to be too difficult for quantum neural networks in such a configuration for now.
- Abstract（参考訳）: シングルピクセルカメラは、可視スペクトルの外の光域に優れたソリューションとなり、機械学習と組み合わせることで、実用的な用途に十分な速度で画像を解析することができる。
未来の量子技術の発展において、量子コンピュータはそのような問題の解をさらに高速化することができる。
本研究では,MNIST手書き桁データセットの画像をオブジェクトとして用いた,Hadamardベースパターンを用いた一画素検出実験をシミュレーションした。
最大分散率(画像中の画素数の6\%)で64個の測定値が選択された。
我々は、古典的な完全連結ニューラルネットワークとパラメータ化量子回路を用いて、これらの測定に基づいて画像の分類と再構成を行うアルゴリズムを開発した。
古典的分類器と量子分類器は6つの訓練エポックの後にそれぞれ96 %と95 %の精度を示したが、これは非常に競合的な結果である。
画像再構成は、古典的ニューラルネットワークと量子ニューラルネットワークを用いて10の訓練後、それぞれ0.76と0.25という構造的類似度指数値を用いて実証された。
関連論文リスト
- Sub-diffraction estimation, discrimination and learning of quantum states of light [0.0]
サブレイリー推定の手法として空間モードデマルチプレクシング(SPADE)が提案されている。
サブレイリー分解能を実現するハイブリッド量子古典画像分類器を提案する。
論文 参考訳（メタデータ） (2024-06-05T12:08:58Z) - Development of a Novel Quantum Pre-processing Filter to Improve Image
Classification Accuracy of Neural Network Models [1.2965700352825555]
本稿では,ニューラルネットワーク(NN)モデルの画像分類精度を向上させるために,新しい量子前処理フィルタ(QPF)を提案する。
その結果,MNIST (手書き10桁) とEMNIST (手書き47桁と文字) のデータセットに基づく画像分類精度を向上させることができた。
しかし,43種類の実生活交通標識画像を用いた比較的複雑なGTSRBデータセットに対するQPF手法による検証の結果,分類精度の低下が認められた。
論文 参考訳（メタデータ） (2023-08-22T01:27:04Z) - Hybrid quantum transfer learning for crack image classification on NISQ
hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。
我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文 参考訳（メタデータ） (2023-07-31T14:45:29Z) - Experimentally Realizable Continuous-variable Quantum Neural Networks [0.0]
連続可変(CV)量子コンピューティングは、ニューラルネットワークモデルを構築する大きな可能性を示している。
CVニューラルネットワークプロトコルに関するこれまでの研究は、ネットワーク内の非ガウス演算子の実装を必要としていた。
我々は、現在のフォトニック量子ハードウェアで実験的に実現可能なCVハイブリッド量子古典ニューラルネットワークプロトコルを構築した。
論文 参考訳（メタデータ） (2023-06-05T01:18:41Z) - Quantum machine learning for image classification [39.58317527488534]
本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。
我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。
第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
論文 参考訳（メタデータ） (2023-04-18T18:23:20Z) - Implementing a Hybrid Quantum-Classical Neural Network by Utilizing a
Variational Quantum Circuit for Detection of Dementia [0.0]
2019年にアルツハイマー病の患者3人に1人近くが誤診され、ニューラルネットワークの問題が修正される可能性がある。
この研究により、提案されたハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)は97.5%と95.1%のテストおよび検証精度を提供することがわかった。
QCCNNはCNNの89%と91%と比較して95%と98%の画像を正しく検出した。
論文 参考訳（メタデータ） (2023-01-29T18:05:42Z) - An unsupervised deep learning algorithm for single-site reconstruction
in quantum gas microscopes [47.187609203210705]
量子ガス顕微鏡実験では、物理観測物の正確な抽出には、高忠実度でサイト分解格子の占有を再構築することが不可欠である。
本稿では,深部畳み込みニューラルネットワークに基づく新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-22T18:57:27Z) - Convolutional Neural Generative Coding: Scaling Predictive Coding to
Natural Images [79.07468367923619]
畳み込み型神経生成符号化(Conv-NGC)を開発した。
我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。
本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
論文 参考訳（メタデータ） (2022-11-22T06:42:41Z) - A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。
提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
論文 参考訳（メタデータ） (2022-03-22T22:02:09Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Generation of High-Resolution Handwritten Digits with an Ion-Trap
Quantum Computer [55.41644538483948]
本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。
我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
論文 参考訳（メタデータ） (2020-12-07T18:51:28Z)
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。