論文の概要: Research of the Variational Shadow Quantum Circuit Based on the Whale Optimization Algorithm in Image Classification

• arxiv url: http://arxiv.org/abs/2505.09994v1
• Date: Thu, 15 May 2025 06:14:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.200957
• Title: Research of the Variational Shadow Quantum Circuit Based on the Whale Optimization Algorithm in Image Classification
• Title（参考訳）: 画像分類における鯨最適化アルゴリズムに基づく変分シャドウ量子回路の研究
• Authors: Shuang Wu, Xueliang Song, Yumin Dong, Fanghua Jia,
• Abstract要約: 本稿では,Whale Optimizationアルゴリズムに基づく可変分割型シャドウ量子回路(VSQC)モデルを提案する。 本稿では,MNISTデータセット上でのバイナリ分類処理を実現するために,異なる局所化シャドウサーキットVSQCモデルを用いる。 強い絡み合ったシャドウ回路の設計は、分類精度の点で最良である。
• 参考スコア（独自算出の注目度）: 5.476164902473674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to explore the possibility of cross-fertilization between quantum computing and neural networks as well as to improve the classification performance of quantum neural networks, this paper proposes an improved Variable Split Shadow Quantum Circuit (VSQC-WOA) model based on the Whale Optimization Algorithm. In this model, we design a strongly entangled local shadow circuit to achieve efficient characterization of global features through local shadow feature extraction and a sliding mechanism, which provides a rich quantum feature representation for the classification task. The gradient is then computed by the parameter-shifting method, and finally the features processed by the shadow circuit are passed to the classical fully connected neural network (FCNN) for processing and classification. The model also introduces the Whale Optimization Algorithm (WOA) to further optimize the weights and biases of the fully connected neural network, which improves the expressive power and classification accuracy of the model. In this paper, we firstly use different localized shadow circuit VSQC models to achieve the binary classification task on the MNIST dataset, and our design of strongly entangled shadow circuits performs the best in terms of classification accuracy. The VSQC-WOA model is then used to multi-classify the MNIST dataset (three classifications as an example), and the effectiveness of the proposed VSQC-WOA model as well as the robustness and generalization ability of the model are verified through various comparison experiments.
• Abstract（参考訳）: 本稿では,量子コンピューティングとニューラルネットワークの交叉受精の可能性を検討するとともに,量子ニューラルネットワークの分類性能を向上させるために,Whale Optimization Algorithmに基づく可変分割型シャドウ量子回路(VSQC-WOA)モデルを提案する。 本モデルでは,局所影特徴抽出によるグローバル特徴の効率的な評価を実現するために,強い絡み合った局所影回路を設計し,その分類タスクにリッチな量子特徴表現を提供するスライディング機構を提案する。 その後、パラメータシフト法により勾配を計算し、最後にシャドウ回路で処理された特徴を古典的完全連結ニューラルネットワーク(FCNN)に渡して処理と分類を行う。 また、WOA(Whale Optimization Algorithm)を導入し、完全に接続されたニューラルネットワークの重みとバイアスをさらに最適化し、モデルの表現力と分類精度を向上させる。 本稿では、まず、MNISTデータセット上の二値分類タスクを達成するために、異なる局所化シャドウサーキットVSQCモデルを使用し、強い絡み合ったシャドウサーキットの設計は、分類精度の点で最良である。 次に、VSQC-WOAモデルを用いて、MNISTデータセット(例として3つの分類)の多重分類を行い、提案したVSQC-WOAモデルの有効性と、モデルの堅牢性と一般化能力について、様々な比較実験により検証した。

関連論文リスト

• Single-Qudit Quantum Neural Networks for Multiclass Classification [0.0]
  本稿では,マルチクラス分類のための単一量子ニューラルネットワークを提案する。 我々の設計では$d$次元のユニタリ演算子を使用し、$d$はクラスの数に対応する。 我々は,MNISTデータセットとEMNISTデータセットを用いたモデルの評価を行い,競合精度を実証した。
  論文  参考訳（メタデータ） (2025-03-12T11:12:05Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• Tensor Ring Optimized Quantum-Enhanced Tensor Neural Networks [32.76948546010625]
  量子機械学習の研究者は、しばしばディープニューラルネットワーク(DNN)にネットワーク(TN)を組み込むことに頼っている。 この問題に対処するために、リング最適化変分量子学習分類器(Quan-TR)の多層設計を提案する。 リング最適化量子強化ニューラルネットワーク(TR-QNet)と呼ばれる。 量子シミュレーションにおいて、提案されたTR-QNetは、それぞれIris、MNIST、CIFAR-10データセット上で、9,4.5%、8,6.16%、および83.54%の有望な精度を達成している。
  論文  参考訳（メタデータ） (2023-10-02T18:07:10Z)
• 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)
• SA-CNN: Application to text categorization issues using simulated annealing-based convolutional neural network optimization [0.0]
  畳み込みニューラルネットワーク(CNN)は、ディープラーニングアルゴリズムの代表クラスである。 テキストCNNニューラルネットワークに基づくテキスト分類タスクのためのSA-CNNニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-13T14:27:34Z)
• Efficient Quantum Feature Extraction for CNN-based Learning [5.236201168829204]
  本稿では,古典的CNNモデルの識別可能性を高めるために,量子古典的なディープネットワーク構造を提案する。 我々は、より強力な関数近似器であるPQCを構築し、受容場内の特徴を捉えるためにより複雑な構造を持つ。 その結果, アンザッツの表現性が高いモデルでは, 低コストで精度が高いことが判明した。
  論文  参考訳（メタデータ） (2022-01-04T17:04:07Z)
• Optimising for Interpretability: Convolutional Dynamic Alignment Networks [108.83345790813445]
  我々は、畳み込み動的アライメントネットワーク(CoDA Nets)と呼ばれる新しいニューラルネットワークモデルを紹介する。 彼らの中核となるビルディングブロックは動的アライメントユニット(DAU)であり、タスク関連パターンに合わせて動的に計算された重みベクトルで入力を変換するように最適化されている。 CoDAネットは一連の入力依存線形変換を通じて分類予測をモデル化し、出力を個々の入力コントリビューションに線形分解することができる。
  論文  参考訳（メタデータ） (2021-09-27T12:39:46Z)
• On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification [88.31717434938338]
  ハイブリッドQCNNは、標準ニューラルネットワーク内に量子層を導入することで、CNNの古典的なアーキテクチャを豊かにする。 この研究で提案された新しいQCNNは、地球観測(EO)のユースケースとして選択された土地利用・土地被覆(LULC)分類に適用される。 マルチクラス分類の結果は,QCNNの性能が従来の性能よりも高いことを示すことによって,提案手法の有効性を証明した。
  論文  参考訳（メタデータ） (2021-09-20T12:41:50Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。