Fugu-MT 論文翻訳(概要): Recognition of Schrodinger cat state based on CNN

論文の概要: Recognition of Schrodinger cat state based on CNN

arxiv url: http://arxiv.org/abs/2409.02132v1
Date: Mon, 2 Sep 2024 06:55:14 GMT
ステータス: 処理完了
システム内更新日: 2024-09-05 21:50:21.187579
Title: Recognition of Schrodinger cat state based on CNN
Title（参考訳）: CNNによるSchrodinger cat状態の認識
Authors: Tao Zhang, Chaoying Zhao,
Abstract要約: 猫の状態とコヒーレント状態の分類に畳み込みニューラルネットワークを適用した。我々はLeNetとResNetのネットワークアーキテクチャを構築し、畳み込みカーネルなどのパラメータを最適値に調整した。トレーニングセットでLeNetとResNetの両方をトレーニングし、LeNetでは97.5%、ResNetでは100%の精度を実現しました。
参考スコア（独自算出の注目度）: 3.9488862168263412
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We applied convolutional neural networks to the classification of cat states and coherent states. Initially, we generated datasets of Schrodinger cat states and coherent states from nonlinear processes and preprocessed these datasets. Subsequently, we constructed both LeNet and ResNet network architectures, adjusting parameters such as convolution kernels and strides to optimal values. We then trained both LeNet and ResNet on the training sets. The loss function values indicated that ResNet performs better in classifying cat states and coherent states. Finally, we evaluated the trained models on the test sets, achieving an accuracy of 97.5% for LeNet and 100% for ResNet. We evaluated cat states and coherent states with different {\alpha}, demonstrating a certain degree of generalization capability. The results show that LeNet may mistakenly recognize coherent states as cat states without coherent features, while ResNet provides a feasible solution to the problem of mistakenly recognizing cat states and coherent states by traditional neural networks.
Abstract（参考訳）: 猫の状態とコヒーレント状態の分類に畳み込みニューラルネットワークを適用した。当初、非線形プロセスからSchrodinger cat状態とコヒーレントな状態のデータセットを生成し、これらのデータセットを前処理しました。その後、LesNetとResNetのネットワークアーキテクチャを構築し、畳み込みカーネルやストライドなどのパラメータを最適値に調整した。その後、トレーニングセットでLeNetとResNetの両方をトレーニングしました。損失関数の値は、ResNetが猫の状態とコヒーレントな状態の分類においてより優れていることを示している。最後に、トレーニングされたモデルをテストセットで評価し、LeNetで97.5%、ResNetで100%の精度を実現した。猫の状態とコヒーレント状態とを異なる条件で評価し,ある程度の一般化能力を示した。その結果、LeNetはコヒーレントな状態をコヒーレントな特徴のない猫の状態と誤って認識し、ResNetは従来のニューラルネットワークによる猫の状態とコヒーレントな状態を誤って認識する問題に対して、実現可能な解決策を提供することが示された。

関連論文リスト

Interpreting Bias in the Neural Networks: A Peek Into Representational Similarity [0.0]
偏りのあるデータに基づいて学習した畳み込み型ニューラルネットワークの性能と内部表現構造について検討する。目的関数にCKA(Centered Kernel Alignment)を用いて,表現の類似性について検討する。ニューラルネットワークの層間のプログレッシブな表現的類似性がなければ、その性能はロバストになりそうにない。
論文参考訳（メタデータ） (2022-11-14T22:17:14Z)
SVNet: Where SO(3) Equivariance Meets Binarization on Point Cloud Representation [65.4396959244269]
本論文は,3次元学習アーキテクチャを構築するための一般的なフレームワークを設計することによる課題に対処する。提案手法はPointNetやDGCNNといった一般的なバックボーンに適用できる。 ModelNet40、ShapeNet、および実世界のデータセットであるScanObjectNNの実験では、この手法が効率、回転、精度の間の大きなトレードオフを達成することを示した。
論文参考訳（メタデータ） (2022-09-13T12:12:19Z)
PSO-Convolutional Neural Networks with Heterogeneous Learning Rate [4.243356707599486]
畳み込みニューラルネットワーク(ConvNetsまたはCNNs)は、コンピュータビジョンと関連する分野の領域に率直に展開されている。本稿では,新しい粒子群最適化(PSO)によるConvNetsのトレーニングを提案する。このような枠組みでは、各ConvNetの重みのベクトルは位相空間の粒子として介在し、PSOはトレーニング性能と一般化を促進するためにグラディエント・ディクセント(SGD)と動的に作用する。
論文参考訳（メタデータ） (2022-05-20T22:47:19Z)
DS-Net++: Dynamic Weight Slicing for Efficient Inference in CNNs and Transformers [105.74546828182834]
本稿では,様々な難易度を持つ入力に対して,ネットワークパラメータの一部を適応的にスライスする動的ウェイトスライシングという,ハードウェア効率のよい動的推論方式を示す。我々は、CNNのフィルタ数とCNNと変換器の多重次元を入力依存的に調整することで、動的スライム可能なネットワーク(DS-Net)と動的スライス可能なネットワーク(DS-Net++)を提案する。
論文参考訳（メタデータ） (2021-09-21T09:57:21Z)
Robust Implicit Networks via Non-Euclidean Contractions [63.91638306025768]
暗黙のニューラルネットワークは、精度の向上とメモリ消費の大幅な削減を示す。彼らは不利な姿勢と収束の不安定さに悩まされる。本論文は,ニューラルネットワークを高機能かつ頑健に設計するための新しい枠組みを提供する。
論文参考訳（メタデータ） (2021-06-06T18:05:02Z)
SyReNets: Symbolic Residual Neural Networks [9.713727879151012]
我々はSyReNetsを提案する。SyReNetsは、ニューラルネットワークを利用してシンボリックリレーションを学習し、データから動的物理システムを正確に記述する手法である。入力としての位置,速度,加速度のランダムなサンプルのみを観測し,トルクを出力とする。この手法は、シミュレーション制御された二重振り子を用いて評価され、ニューラルネットワーク、遺伝的プログラミング、従来のシステム識別と比較される。
論文参考訳（メタデータ） (2021-05-30T00:30:27Z)
Stability of Internal States in Recurrent Neural Networks Trained on Regular Languages [0.0]
正規言語認識のためのニューラルネットワークの安定性について検討する。この飽和状態において、ネットワークアクティベーションの分析は、有限状態機械における離散状態に似た一連のクラスターを示す。入力シンボルに対応する状態間の遷移は決定論的かつ安定であることを示す。
論文参考訳（メタデータ） (2020-06-18T19:50:15Z)
EDropout: Energy-Based Dropout and Pruning of Deep Neural Networks [45.4796383952516]
分類タスクにおけるニューラルネットワークのプルーニングのためのエネルギーベースフレームワークとしてEDropoutを提案する。バイナリプルーニング状態ベクトルの集合(集団)は、任意の提供された元のニューラルネットワークから対応するサブネットワークの集合を表す。 EDropoutは、ネットワークアーキテクチャを変更することなく、典型的なニューラルネットワークをプルークすることができる。
論文参考訳（メタデータ） (2020-06-07T21:09:44Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
論文参考訳（メタデータ） (2020-03-07T02:12:02Z)
Approximation and Non-parametric Estimation of ResNet-type Convolutional Neural Networks [52.972605601174955]
本稿では,ResNet型CNNが重要な関数クラスにおいて最小誤差率を達成可能であることを示す。 Barron と H'older のクラスに対する前述のタイプの CNN の近似と推定誤差率を導出する。
論文参考訳（メタデータ） (2019-03-24T19:42:39Z)

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。