图卷积神经网络中用于海洋尼诺指数预测的混合MLP-量子方法
信号处理
2024-01-30 v1
摘要
本文通过开发一种混合量子图卷积神经网络（HQGCNN），探索了量子计算（QC）与人工智能（AI）的创新融合，该网络将图卷积神经网络（GCNN）与量子多层感知机（MLP）相结合。研究突出了GCNN在处理全球尺度依赖关系方面的潜力，并提出了用于预测海洋尼诺指数（ONI）等复杂现象的HQGCNN。初步结果表明，该模型具有超越当前最优水平（SOTA）的潜力。代码将在论文发表时一并提供。
引用
@article{arxiv.2401.16049,
title = {A Hybrid MLP-Quantum approach in Graph Convolutional Neural Networks for Oceanic Nino Index (ONI) prediction},
author = {Francesco Mauro and Alessandro Sebastianelli and Bertrand Le Saux and Paolo Gamba and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2401.16049},
year = {2024}
}