論文の概要: Parameterized Quantum Circuits as Feature Maps: Representation Quality and Readout Effects in Multispectral Land-Cover Classification

• arxiv url: http://arxiv.org/abs/2604.26675v1
• Date: Wed, 29 Apr 2026 13:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.426227
• Title: Parameterized Quantum Circuits as Feature Maps: Representation Quality and Readout Effects in Multispectral Land-Cover Classification
• Title（参考訳）: 特徴マップとしてのパラメータ化量子回路:マルチスペクトルランドコーバー分類における表現品質と読み出し効果
• Authors: Ralntion Komini, Aikaterini Mandilara, Georgios Maragkopoulos, Dimitris Syvridis,
• Abstract要約: マルチスペクトル衛星画像からの土地被覆分類のための変分量子分類器(VQC)について検討する。 以上の結果から,線形読み出し付きVQCはRBF-SVMのような古典的ベースラインに勝るものの,同じ訓練された量子特徴写像は性能を著しく向上させることができることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate variational quantum classifiers (VQCs) for land-cover classification from multispectral satellite imagery, adopting a feature-map perspective in which the quantum circuit defines a nonlinear data embedding while the readout determines how this representation is exploited. Using the EuroSAT-MS dataset, we perform a systematic one-vs-one evaluation across all class pairs under a controlled experimental protocol, comparing classical baselines (logistic regression, SVMs, neural networks) with VQCs employing both linear readout and quantum-kernel SVM strategies. Our results show that, while VQCs with linear readout do not outperform strong classical baselines such as RBF-SVM, the same trained quantum feature map can significantly improve performance when reused within a kernel-based decision framework. A qubit-count sweep further reveals saturation effects consistent with the mismatch between exponential Hilbert space dimension and linear parameter scaling. Overall, our findings highlight that the effectiveness of quantum models depends critically on the interplay between representation and readout, and that meaningful gains may arise from combining learned quantum feature maps with classical decision mechanisms rather than seeking direct replacement of classical models.
• Abstract（参考訳）: 本研究では、マルチスペクトル衛星画像から土地被覆分類を行うための変分量子分類器(VQC)について検討し、この表現の活用方法を決定する間、量子回路が非線形データ埋め込みを定義する特徴マップの観点を採用する。 EuroSAT-MSデータセットを用いて、古典的ベースライン(論理回帰、SVM、ニューラルネットワーク)を線形読み出しと量子カーネルSVM戦略の両方を用いてVQCと比較し、制御された実験プロトコルの下で、すべてのクラスペアに対して体系的な1-vs-one評価を行う。 以上の結果から,リニアリードアウトを持つVQCはRBF-SVMのような古典的ベースラインに勝るものの,カーネルベースの決定フレームワーク内で再利用した場合の性能は大幅に向上することが示された。 クォービット数スイープは指数ヒルベルト空間次元と線形パラメータスケーリングのミスマッチと一致する飽和効果をさらに明らかにする。 全体として、量子モデルの有効性は表現と読み出しの相互作用に大きく依存しており、古典的モデルの直接的な置き換えではなく、学習された量子特徴写像と古典的決定機構を組み合わせることで有意義な利益をもたらす可能性がある。

関連論文リスト

• How Embeddings Shape Graph Neural Networks: Classical vs Quantum-Oriented Node Representations [2.9583391652768314]
  ノードの埋め込みはグラフニューラルネットワークの情報インターフェースとして機能するが、その影響はしばしば、ミスマッチしたバックボーン、分割、トレーニング予算の下で報告される。 本稿では,グラフ分類のための埋め込み選択の制御されたベンチマークを提供する。 我々は、回路定義の変分埋め込みと量子インスパイアされた埋め込みを含む、量子指向の代替品と並んで、2つの古典的ベースラインを評価する。
  論文  参考訳（メタデータ） (2026-04-16T17:45:24Z)
• Quantum AI for Cybersecurity: A hybrid Quantum-Classical models for attack path analysis [1.2676356746752895]
  本研究では,ハイブリッド量子古典学習の可能性について検討し,侵入検出のための特徴表現を強化する。 量子化された表現は、データが不足している場合により優れた攻撃リコールとクラス分離性を示す。 結果は、サイバーセキュリティタスクの一般化と表現品質を改善するための量子埋め込みの可能性を強調している。
  論文  参考訳（メタデータ） (2026-01-05T16:11:39Z)
• 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)
• Adaptive Non-local Observable on Quantum Neural Networks [10.617463958884528]
  量子回路のための適応的非局所測定フレームワークを提案する。 ハイゼンベルク像に着想を得て、VQC回転の最適化は観測可能な空間における軌道の追跡と一致することを示す。 非局所観測器と変分回転を適切に組み込むことで、量子ビット相互作用と情報混合が促進されることが示されている。
  論文  参考訳（メタデータ） (2025-04-18T02:20:12Z)
• Benchmarking quantum machine learning kernel training for classification tasks [0.0]
  本研究は、分類タスクの文脈における量子カーネル法に焦点を当てる。 量子カーネル推定(QKE)と量子カーネル訓練(QKT)の性能を2つの量子特徴写像と関連づけて検討する。 実験結果から、量子法は異なるデータセット間で様々な性能を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-17T10:53:06Z)
• Pre-training Tensor-Train Networks Facilitates Machine Learning with Variational Quantum Circuits [70.97518416003358]
  変分量子回路(VQC)は、ノイズの多い中間スケール量子(NISQ)デバイス上での量子機械学習を約束する。 テンソルトレインネットワーク(TTN)はVQC表現と一般化を向上させることができるが、結果として得られるハイブリッドモデルであるTTN-VQCは、Polyak-Lojasiewicz(PL)条件による最適化の課題に直面している。 この課題を軽減するために,プレトレーニングTTNモデルとVQCを組み合わせたPre+TTN-VQCを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:08:18Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• 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)

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。