.png){kind=icon}
返回
Quantum neural network-based approach for optimizing road network selection
.png){kind=icon}
OA
AI
DOI：10.1080/10106049.2025.2471108.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着神经网络的发展，智能路网选择方法已成为重点研究领域。然而，道路网络规模的扩大导致了对模型训练效率和资源消耗的担忧。量子神经网络利用其独特的叠加和纠缠特性，在处理大规模，复杂和非线性数据方面具有显着优势。我们提出了一种基于量子神经网络的道路网络选择框架。我们设计了一个全面的功能集，该功能集考虑了各种因素，包括地形，定居点和周围密度。我们的研究深入研究了特征编码方法和电路结构对道路选择中量子神经网络性能的影响。它评估建议的模型在不同规模、区域和数据量上的性能。与现有的经典神经网络模型相比，结果证明了我们方法的可行性和有效性，为大规模路网选择提供了一种有前途的解决方案。
Keyword:
Road network selection
quantum neural network
cartographic generalization
deep learning
期刊
IF:
3.5
论文数:
2.4K
被引数:
6.9K
机构
引用论文
.png){kind=icon}
Field-dependent Kirkwood factor in the non-linear dielectric behaviour of binary liquid mixtures
PREAI
分享收藏
分享收藏Selective omission of road features based on mesh density for automatic map generalization基于网格密度的道路特征选择性省略，用于自动地图综合
PREAI
分享收藏
查看更多内容