关键词quantum convolutional neural network
搜索结果 - 5
- 多类量子卷积神经网络
使用 PennyLane 实现的量子卷积神经网络(QCNN)通过参数化量子电路优化来最小化交叉熵损失,用于经典数据的多类分类,在 MNIST 数据集上的实验结果表明,对于 4 类问题,性能略低于经典 CNN,但对于更多类别的问题,量子卷积神 - 使用连续多序列 MRI 评估 QCNN-LSTM 在多发性硬化症残疾预测中的有效性
在这项初步研究中,我们比较了三种 Quantum Convolutional Neural Network-Long Short-Term Memory 模型与经典神经网络架构在多发性硬化 (Multiple Sclerosis) 残疾的二 - 软装 dropout:量子卷积神经网络中减少过拟合的实用方法
量子卷积神经网络 (QCNN) 是在 NISQ 时代中早期应用的量子计算机,已被证明在多个任务中具有显著准确性的机器学习 (ML) 算法。我们研究了将一种成功的过拟合缓解方法(称为(训练后)dropout 方法)转化为量子设置,并发现基于此 - 量子卷积神经网络的分割和并行化,用于学习平移对称数据
本文提出了一种 split-parallelizing QCNN 架构,通过基于平移对称性拆分量子电路,从而实现了对传统 QCNN 的显著并行,并进一步将计算开销降低到量子位数的数量级,从而改善了量子机器学习的成果表现,为实用性提供了新的可 - 量子卷积神经网络的分层架构表达
本文提供了一种 Quantum Convolutional Neural Network (QCNN) 体系结构设计的新方法,使用 Neural Architecture Search (NAS) 技术生成一系列常用的 QCNN 体系结构,