Nov, 2023

基于退火量子玻尔兹曼机的大规模图像分类的迁移学习

PDF
TL;DR利用量子迁移学习 (QTL) 和量子退火 (QA) 的混合量子经典方法，通过将量子玻尔兹曼机引入混合量子经典管道，实现了对大规模医学图像的监督学习，取得了比传统迁移学习更好的分类性能。
quantum transfer learningquantum annealingquantum machine learningimage classificationcovid-ct-md dataset
发现论文，激发创造
  • 量子退火在深度神经网络训练中的应用

    本研究探究了使用 D-Wave 量子退火机器从 Restricted Boltzmann Machines 中生成样本来估计模型期望值的新方法，并在较粗粒度的 MNIST 数据集上进行训练测试，结果表明基于量子取样的训练方法可以在相对较少的生成性训练迭代次数内实现与传统 CD 方法相当或更高的精度。

    Oct, 2015

  • 量子迁移学习的可接受性判断

    该研究展示了使用从大型语言模型中提取的嵌入向量进行量子迁移学习算法在经典语言学任务（可接受性判断）上进行分类的潜在优势，包括性能和表达能力，评估结果显示出与最先进的经典迁移学习算法相媲美的量子迁移学习流程，为当前量子计算机在自然语言处理任务中的能力提供了证明，并通过可解释的人工智能方法进行了定性的语言分析，揭示了量子迁移学习算法相较于经典算法在正确分类复杂和结构化句子方面的能力，为未来在自然语言处理中取得量子优势奠定了基础。

    Jan, 2024

  • 混合经典 - 量子神经网络中的迁移学习

    本文为机器学习算法中广泛应用的迁移学习的概念扩展到了由经典和量子元素组成的混合神经网络的新兴领域，提出了不同实现混合迁移学习的方法，并重点关注了现代量子技术下，经典网络的预处理和优化加上量子算法处理的优秀组合，提供了图像识别和量子态分类等方面的几个案例，利用 PennyLane 软件库在 IBM 和 Rigetti 提供的两种不同的量子计算机上进行了测试。

    Dec, 2019

  • 拓展视野：为长尾胸部 X 光分类实现混合量子迁移学习

    我们使用基于 Jax 的框架实现了用于长尾 CXR 分类的混合量子迁移学习的可访问实现。

    Apr, 2024

  • 量子退火与经典机器学习应用于简化的计算生物学问题

    通过应用量子机器学习到纯化数据集中进行转录因子分类以及排序，我们发现与其他经典方法相比，量子机器学习在分类性能上略微优越。因此，我们提出量子退火可能是对某些计算生物学问题实施机器学习的有效方法。

    Feb, 2018

  • 基于变分量子算法的一种新框架：图像分类的革命性突破

    使用变分量子算法构建的图像分类框架在消除全局汇聚操作的需求的基础上，通过有效地捕捉图像中更有区分度的特征和细节，提高了分类性能，并且相比于经典框架具有更少的参数，更有效地防止过拟合。

    Dec, 2023

  • 量子机器学习用于图像分类

    本研究提出了两种混合量子 - 经典模型：具有平行量子层的神经网络和具有量子卷积层的神经网络，它们解决了图像分类问题。其中我们提出的混合量子方法在 MNIST 数据集上展现了超过 99% 的准确率。这表明将量子效应应用于传统经典模型可以进一步提高图像识别和分类的能力，并为医疗保健、安全和市场营销等各个领域提供有前途的方法。

    Apr, 2023

  • 使用混合量子自编码器进行聚类和增强分类

    本文提出了一种基于混合量子自编码器的 QML 算法，旨在在经典描述的空间中学习识别和分类量子态的特征属性，为聚类和半监督分类提供了一种新的方法，该方法针对的是幅度编码的量子态，可以应用于非平凡的量子数据集的结构分析。

    Jul, 2021

  • 用于编程量子退火机的神经网络

    量子机器学习与经典机器学习中的核方法有相似之处，本研究探索了将经典神经网络与量子退火机连接的设置，并模拟了其在分类问题上的性能，发现加入小型量子退火机并不能显著提高性能。

    Aug, 2023

  • 基于 NISQ 硬件的混合量子迁移学习与裂纹图像分类

    应用量子迁移学习检测灰度图像中的裂纹，比较了 PennyLane 的标准量子位和 IBM 的 qasm_simulator 以及真实后端的性能和训练时间，提供了他们的执行效率的见解。

    Jul, 2023