論文の概要: Hybrid quantum-classical neural network for sentiment analysis

• arxiv url: http://arxiv.org/abs/2607.01943v1
• Date: Thu, 02 Jul 2026 09:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.773949
• Title: Hybrid quantum-classical neural network for sentiment analysis
• Title（参考訳）: 感情分析のためのハイブリッド量子古典ニューラルネットワーク
• Authors: Giacomo Cappiello, Filippo Caruso, Xing Liang, Dimitrios Makris,
• Abstract要約: 本稿では,ハイブリッド量子古典ニューラルネットワークの感情分析への適用性について検討する。 以上の結果から,ハイブリッドモデルは従来のベースラインに匹敵する精度を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 4.351505522514462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum machine learning has recently emerged as a promising paradigm that leverages the expressive power of quantum circuits to address complex learning tasks. In this work, we investigate the applicability of hybrid quantum-classical neural networks to sentiment analysis, a central problem in natural language processing. We focus on a dataset of tweets related to COVID-19, where the textual content is vectorized using TF-IDF and fed into both classical feedforward networks and hybrid architectures incorporating parameterized quantum circuits. Our results show that hybrid models can achieve accuracy comparable to the classical baseline, while exhibiting distinct learning dynamics, especially in terms of validation loss and accuracy, that suggest a richer representational capacity. Moreover, when applying transfer learning to an SMS spam classification task, the hybrid models consistently outperform the classical counterpart, achieving an accuracy increase of 15 percentage points (from 66% to 81%) on the spam class, demonstrating enhanced generalization. These findings highlight the feasibility of employing QML for natural language processing and point toward the potential advantages of hybrid models as quantum hardware continues to advance.
• Abstract（参考訳）: 量子機械学習は、量子回路の表現力を利用して複雑な学習課題に対処する、有望なパラダイムとして最近登場した。 本研究では、自然言語処理における中心的な問題である感情分析へのハイブリッド量子古典ニューラルネットワークの適用性について検討する。 そこでは、TF-IDFを用いてテキストコンテンツがベクトル化され、古典的なフィードフォワードネットワークとパラメータ化量子回路を組み込んだハイブリッドアーキテクチャの両方にフィードされる。 この結果から,ハイブリッドモデルは従来のベースラインに匹敵する精度を達成できるが,特に検証損失や精度の面では,表現能力の充実が示唆されている。 さらに,SMSスパム分類タスクにトランスファーラーニングを適用する場合,ハイブリッドモデルは従来より一貫して優れており,スパムクラスでは15ポイント(66%から81%)の精度向上を実現し,一般化の促進を実現している。 これらの知見は、自然言語処理にQMLを採用する可能性や、量子ハードウェアが進歩を続けるにつれて、ハイブリッドモデルの潜在的な利点を示唆している。

関連論文リスト

• 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)
• Hybrid Quantum-Classical Generative Adversarial Networks with Transfer Learning [0.0]
  GAN(Generative Adversarial Networks)は多様な高忠実な画像を合成する大きな可能性を実証している。 本稿では,転送学習によって補完されるハイブリッド量子古典的GANアーキテクチャについて検討する。 この結果から,VQCをジェネレータと判別器の両方に組み込んだ完全ハイブリッドモデルでは,高画質の画像が連続的に生成されることが示唆された。
  論文  参考訳（メタデータ） (2025-07-13T16:46:56Z)
• 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)
• Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
  本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。 その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
  論文  参考訳（メタデータ） (2025-04-30T19:09:12Z)
• Bridging Classical and Quantum Machine Learning: Knowledge Transfer From Classical to Quantum Neural Networks Using Knowledge Distillation [0.0]
  本稿では,古典的畳み込みニューラルネットワーク(CNN)から量子ニューラルネットワーク(QNN)へ知識を伝達するための新しい枠組みを提案する。 我々は、MNIST, Fashion MNIST, CIFAR10データセット上の4および8キュービットを持つ2つのパラメタライズド量子回路(PQC)を用いて、広範な実験を行う。 我々の結果は、古典的なディープラーニングと新しい量子コンピューティングをブリッジし、量子マシンインテリジェンスにおいてより強力でリソースを意識したモデルを構築するための、有望なパラダイムを確立します。
  論文  参考訳（メタデータ） (2023-11-23T05:06:43Z)
• 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)
• 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)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Classical-to-Quantum Transfer Learning for Spoken Command Recognition Based on Quantum Neural Networks [13.485144642413907]
  本研究では、音声コマンド認識(SCR)のための新しいハイブリッドエンドツーエンド量子ニューラルネットワーク(QNN)への機械学習アルゴリズム適用による転送学習の拡張について検討する。 我々は,事前学習した古典的ネットワークを,ハイブリッドQNNモデルの古典的部分に転送するハイブリッドトランスファー学習アルゴリズムを提案する。 Google音声コマンドデータセット上で,SCR用ハイブリッド古典量子QNNに適用したハイブリッドトランスファー学習アルゴリズムを評価する。
  論文  参考訳（メタデータ） (2021-10-17T00:45:31Z)

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。