論文の概要: Harnessing Quantum Extreme Learning Machines for image classification

• arxiv url: http://arxiv.org/abs/2409.00998v1
• Date: Mon, 2 Sep 2024 07:23:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 07:59:10.395982
• Title: Harnessing Quantum Extreme Learning Machines for image classification
• Title（参考訳）: 画像分類のための高調な量子エクストリーム学習マシン
• Authors: A. De Lorenzis, M. P. Casado, M. P. Estarellas, N. Lo Gullo, T. Lux, F. Plastina, A. Riera, J. Settino,
• Abstract要約: ここでは、画像分類タスクにおける量子機械学習技術の利用に焦点を当てる。 我々は,量子貯水池基板が提供する豊富な特徴写像を利用して,量子極端学習マシンを利用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interest in quantum machine learning is increasingly growing due to the possibility of developing efficient solutions to problems that are difficult to tackle with classical methods. In this context, the research work presented here focuses on the use of quantum machine learning techniques for image classification tasks. We exploit a quantum extreme learning machine by taking advantage of its rich feature map provided by the quantum reservoir substrate. We systematically analyse different phases of the quantum extreme learning machine process, from the dataset preparation to the image final classification. In particular, we investigate the impact of encoding through a Principal Component Analysis and the use of Auto-Encoders, as well as the dynamics of the model through the use of different Hamiltonians for the quantum reservoir. Our results show that the introduction of a quantum reservoir systematically improves the accuracy of the classifier. Additionally, while different encodings can lead to significantly different performances, Hamiltonians with varying degrees of connectivity exhibit the same discrimination rate, provided they are interacting.
• Abstract（参考訳）: 量子機械学習への関心は、古典的な手法に取り組むのが難しい問題に対する効率的なソリューションを開発する可能性から、ますます高まっている。 本研究は,画像分類タスクにおける量子機械学習技術の利用に焦点を当てた研究である。 我々は,量子貯水池基板が提供する豊富な特徴写像を利用して,量子極端学習マシンを利用する。 我々は、データセット作成から画像最終分類まで、量子極端学習マシンプロセスの異なるフェーズを体系的に分析する。 特に、主成分分析による符号化とオートエンコーダの使用による影響、および量子貯水池における異なるハミルトニアンの使用によるモデルのダイナミクスについて検討する。 その結果,量子貯水池の導入は分類器の精度を体系的に向上させることがわかった。 さらに、異なるエンコーディングは異なるパフォーマンスをもたらす可能性があるが、異なる接続度を持つハミルトン人は、相互作用している場合と同じ差別率を示す。

関連論文リスト

• Quantum reservoir computing on random regular graphs [0.0]
  量子貯水池コンピューティング(QRC)は、入力駆動多体量子システムと古典的な学習技術を組み合わせた低複雑性学習パラダイムである。 我々は、情報局在化、動的量子相関、および乱れハミルトニアンの多体構造について研究する。 そこで本研究では、乱れたアナログ量子学習プラットフォームの最適設計のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2024-09-05T16:18:03Z)
• Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
  本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。 弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
  論文  参考訳（メタデータ） (2024-07-04T06:37:16Z)
• Large-scale quantum reservoir learning with an analog quantum computer [45.21335836399935]
  我々は中性原子アナログ量子コンピュータの量子力学を利用してデータを処理する量子貯水池学習アルゴリズムを開発した。 アルゴリズムを実験的に実装し、機械学習タスクの様々なカテゴリで競合性能を達成する。 本研究は,従来の量子相関を有効機械学習に活用する可能性を示すものである。
  論文  参考訳（メタデータ） (2024-07-02T18:00:00Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• 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)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Towards Bundle Adjustment for Satellite Imaging via Quantum Machine Learning [2.660348668799655]
  キーポイント抽出と特徴マッチングのための量子法に着目する。 これらの手法が量子アニールやゲートベースの量子コンピュータのためにどのように再計算されるかを説明する。
  論文  参考訳（メタデータ） (2022-04-23T19:33:14Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
  本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。 このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
  論文  参考訳（メタデータ） (2020-10-14T18:05:49Z)
• Quantum Adversarial Machine Learning [0.0]
  適応機械学習は、敵の設定における機械学習アプローチの脆弱性の研究に焦点を当てた新興分野である。 本稿では,量子機械学習の文脈における様々な逆シナリオについて考察する。 ほぼ最先端の精度を達成する量子分類器は、敵の例によって決定的に欺くことができる。
  論文  参考訳（メタデータ） (2019-12-31T19:00:12Z)

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。