論文の概要: Practical insights on the effect of different encodings, ansätze and measurements in quantum and hybrid convolutional neural networks

• arxiv url: http://arxiv.org/abs/2506.20355v1
• Date: Wed, 25 Jun 2025 12:10:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.727826
• Title: Practical insights on the effect of different encodings, ansätze and measurements in quantum and hybrid convolutional neural networks
• Title（参考訳）: 量子及びハイブリッド畳み込みニューラルネットワークにおける異なるエンコーディング、アンセッツェおよび測定の効果に関する実践的研究
• Authors: Jesús Lozano-Cruz, Albert Nieto-Morales, Oriol Balló-Gimbernat, Adan Garriga, Antón Rodríguez-Otero, Alejandro Borrallo-Rentero,
• Abstract要約: 本研究では、量子およびハイブリッド畳み込みニューラルネットワーク(HQNN、QCNN)アーキテクチャにおけるパラメータ化量子回路(PQC)の設計選択について検討する。 我々は,データ符号化技術,変分アンゼアテンゼ,および約500の異なるモデル構成における測定の性能評価を行った。
• 参考スコア（独自算出の注目度）: 37.69303106863453
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates the design choices of parameterized quantum circuits (PQCs) within quantum and hybrid convolutional neural network (HQNN and QCNN) architectures, applied to the task of satellite image classification using the EuroSAT dataset. We systematically evaluate the performance implications of data encoding techniques, variational ans\"atze, and measurement in approx. 500 distinct model configurations. Our analysis reveals a clear hierarchy of influence on model performance. For hybrid architectures, which were benchmarked against their direct classical equivalents (e.g. the same architecture with the PQCs removed), the data encoding strategy is the dominant factor, with validation accuracy varying over 30% for distinct embeddings. In contrast, the selection of variational ans\"atze and measurement basis had a comparatively marginal effect, with validation accuracy variations remaining below 5%. For purely quantum models, restricted to amplitude encoding, performance was most dependent on the measurement protocol and the data-to-amplitude mapping. The measurement strategy varied the validation accuracy by up to 30% and the encoding mapping by around 8 percentage points.
• Abstract（参考訳）: 本研究では、量子およびハイブリッド畳み込みニューラルネットワーク(HQNN、QCNN)アーキテクチャにおけるパラメータ化量子回路(PQC)の設計選択について検討し、EuroSATデータセットを用いた衛星画像分類の課題に適用した。 我々は,データ符号化技術,変分アンス・アトーゼ,および近似における測定の性能的意味を体系的に評価した。 500の異なるモデル構成。 分析の結果,モデル性能に対する影響の明確な階層構造が明らかになった。 例えば、PQCを除去したのと同じアーキテクチャ)とベンチマークされたハイブリッドアーキテクチャでは、データ符号化戦略が主要な要素であり、異なる埋め込みに対して30%以上の検証精度が変化する。 対照的に、変分安静と測定基準の選択は比較的限界効果があり、検証精度は5%以下であった。 純粋量子モデルの場合、振幅符号化に制限された性能は測定プロトコルとデータ-振幅マッピングに最も依存していた。 評価手法は、検証精度を最大30%、符号化マッピングを約8ポイント変更した。

関連論文リスト

• Performance Analysis and Noise Impact of a Novel Quantum KNN Algorithm for Machine Learning [0.0]
  そこで本研究では,従来のk-NN技術よりも性能が向上した量子K-nearest neighbors(QKNN)アルゴリズムを提案する。 提案された修正は、アダマールと回転ゲートを用いた量子データの符号化を最適化することに集中し、量子状態における古典データのより効率的なレンダリングを保証する。 スワップテストに基づく新しい量子距離計量を導入し、様々な量子状態間の類似度を測定する。
  論文  参考訳（メタデータ） (2025-05-09T21:17:11Z)
• Lean classical-quantum hybrid neural network model for image classification [12.353900068459446]
  本稿では,変分回路の4層のみを用いて,効率的な分類性能を実現するLan Classical-Quantum Hybrid Neural Network (LCQHNN)を提案する。 我々の実験は、LCQHNNがMNIST、FashionMNIST、CIFAR-10データセットの100%、99.02%、85.55%の分類精度を達成することを示した。
  論文  参考訳（メタデータ） (2024-12-03T00:37:11Z)
• The role of data embedding in equivariant quantum convolutional neural networks [2.255961793913651]
  等変量子ニューラルネットワーク(EQNN)の性能に及ぼす古典量子埋め込みの影響について検討する。 等価な量子畳み込みニューラルネットワーク(QCNN)から得られた3種類の振幅埋め込みと、EQCNNの分類精度を数値的に比較する。
  論文  参考訳（メタデータ） (2023-12-20T18:25:15Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Set-based Neural Network Encoding Without Weight Tying [91.37161634310819]
  本稿では,ネットワーク特性予測のためのニューラルネットワーク重み符号化手法を提案する。 我々のアプローチは、混合アーキテクチャのモデル動物園でニューラルネットワークを符号化することができる。 ニューラルネットワークのプロパティ予測には,クロスデータセットとクロスアーキテクチャという,2つの新しいタスクを導入する。
  論文  参考訳（メタデータ） (2023-05-26T04:34:28Z)
• Compact representations of convolutional neural networks via weight pruning and quantization [63.417651529192014]
  本稿では、音源符号化に基づく畳み込みニューラルネットワーク(CNN)の新しいストレージフォーマットを提案し、重み付けと量子化の両方を活用する。 我々は、全接続層で0.6%、ネットワーク全体で5.44%のスペース占有率を削減し、最低でもベースラインと同じくらいの競争力を発揮する。
  論文  参考訳（メタデータ） (2021-08-28T20:39:54Z)

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。