Fugu-MT 論文翻訳(概要): FRQI Pairs method for image classification using Quantum Recurrent Neural Network

論文の概要: FRQI Pairs method for image classification using Quantum Recurrent Neural Network

arxiv url: http://arxiv.org/abs/2512.11499v1
Date: Fri, 12 Dec 2025 11:52:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-15 15:48:11.753757
Title: FRQI Pairs method for image classification using Quantum Recurrent Neural Network
Title（参考訳）: 量子リカレントニューラルネットワークを用いた画像分類のためのFRQIペア法
Authors: Rafał Potempa, Michał Kordasz, Sundas Naqeeb Khan, Krzysztof Werner, Kamil Wereszczyński, Krzysztof Simiński, Krzysztof A. Cyran,
Abstract要約: 本研究では、フレキシブルな量子画像表現を伴うQRNN(Quantum Recurrent Neural Networks)を用いた画像分類手法FRQI Pairs法について、より広範な聴衆に紹介する。この研究は、画像分類タスクに量子符号化データを使用する革新的なアプローチを強調し、そのような量子ベースのアプローチが量子アルゴリズムの複雑さを著しく減少させる可能性があることを示唆している。
参考スコア（独自算出の注目度）: 0.6840587119863305
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study aims to introduce the FRQI Pairs method to a wider audience, a novel approach to image classification using Quantum Recurrent Neural Networks (QRNN) with Flexible Representation for Quantum Images (FRQI). The study highlights an innovative approach to use quantum encoded data for an image classification task, suggesting that such quantum-based approaches could significantly reduce the complexity of quantum algorithms. Comparison of the FRQI Pairs method with contemporary techniques underscores the promise of integrating quantum computing principles with neural network architectures for the development of quantum machine learning.
Abstract（参考訳）: 本研究では,量子リカレントニューラルネットワーク(QRNN)とフレキシブルな量子画像表現(FRQI)を用いた新しい画像分類手法であるFRQI Pairs法を導入することを目的とする。この研究は、画像分類タスクに量子符号化データを使用する革新的なアプローチを強調し、そのような量子ベースのアプローチが量子アルゴリズムの複雑さを著しく減少させる可能性があることを示唆している。 FRQI Pairs法と現代技術の比較は、量子機械学習の開発のためのニューラルネットワークアーキテクチャと量子コンピューティングの原理を統合するという約束を裏付けるものである。

関連論文リスト

VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文参考訳（メタデータ） (2025-06-12T01:38:15Z)
RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文参考訳（メタデータ） (2025-06-04T08:30:35Z)
A Survey of Classical And Quantum Sequence Models [3.442372522693843]
本稿では,古典的自己アテンションモデルとその量子モデルの比較分析を行う。我々はこれらの既存手法の重要代表集合を再実装し、量子自己アテンションを用いた画像分類アプローチを適用して量子ハイブリッドトランスを作成する。また、異なる符号化手法を探求し、位置符号化を量子自己認識ニューラルネットワークに導入することにより、テキストと画像の分類実験における精度の向上とより高速な収束を実現する。
論文参考訳（メタデータ） (2023-12-15T22:21:26Z)
Towards Transfer Learning for Large-Scale Image Classification Using Annealing-based Quantum Boltzmann Machines [7.106829260811707]
本稿では,Quantum Annealing (QA) を用いた画像分類手法を提案する。本稿では,アニール型量子ボルツマンマシンをハイブリッド量子古典パイプラインの一部として用いることを提案する。提案手法は,テスト精度とAUC-ROC-Scoreの点で,古典的ベースラインを一貫して上回っていることがわかった。
論文参考訳（メタデータ） (2023-11-27T16:07:49Z)
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)
Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文参考訳（メタデータ） (2023-04-18T11:57:15Z)
QDCNN: Quantum Dilated Convolutional Neural Network [1.52292571922932]
量子拡張畳み込みニューラルネットワーク(QDCNN)と呼ばれる新しいハイブリッド量子古典型アルゴリズムを提案する。提案手法は,現代のディープラーニングアルゴリズムに広く応用されている拡張畳み込みの概念を,ハイブリッドニューラルネットワークの文脈にまで拡張する。提案したQDCNNは,量子畳み込み過程において,計算コストを低減しつつ,より大きなコンテキストを捉えることができる。
論文参考訳（メタデータ） (2021-10-29T10:24:34Z)
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 Deep Learning: Sampling Neural Nets with a Quantum Annealer [0.0]
本稿では,量子処理ユニット上での高解像度画像分類のための2つのハードルを克服する手法を提案する。我々は、畳み込みニューラルネットワークをQPUに転送し、少なくとも1桁の分類スピードアップの可能性を示した。
論文参考訳（メタデータ） (2021-07-19T09:35:02Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。