.png){kind=icon}
返回
Lean Classical-Quantum Hybrid Neural Network Model for Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1002/qute.202400703.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子信息算法与神经网络的融合已在多个领域实现了前所未有的进展。然而，量子机器学习算法在图像分类中的应用主要依赖变分量子电路等传统架构。这些模型的性能与其参数规模密切相关，庞大的参数需求可能限制计算资源并显著增加计算时间。本研究提出了一种精简经典-量子混合神经网络（LCQHNN），仅通过四层变分电路实现高效分类性能，从而大幅降低计算成本。实验结果表明，LCQHNN在MNIST、FashionMNIST和CIFAR-10数据集上分别达到100%、99.02%和85.55%的分类准确率。在相同参数条件下，该方法收敛速度也优于传统模型。此外，通过可视化研究发现，该模型在训练过程中有效捕捉关键数据特征，并建立了这些特征与其对应类别之间的明确关联。本研究证实，量子算法的应用增强了模型处理复杂分类问题的能力。
Keyword:
quantum convolutional neural network
quantum machine learning
variational quantum circuits
quantum algorithms
期刊
A
IF:
4.3
论文数:
523
被引数:
3.2K
机构
暂无机构信息
引用论文
Hybrid Quantum-Classical Convolutional Neural Network Model for Image Classification用于图像分类的量子-经典卷积神经网络混合模型
OAAI
.png){kind=icon}
OAAI分享收藏
查看更多内容