多类量子卷积神经网络
量子物理
2024-04-22 v1 新兴技术
机器学习
摘要
分类与信息检索尤为相关，因为它被用于搜索流程的各个子任务中。在这项工作中，我们提出了一种用于经典数据多类分类的量子卷积神经网络（QCNN）。该模型使用 PennyLane 实现。优化过程通过参数化量子电路优化最小化交叉熵损失来进行。QCNN 在包含 4、6、8 和 10 个类别的 MNIST 数据集上进行了测试。结果表明，在 4 个类别时，其性能略低于经典 CNN；而在类别数量较多时，QCNN 优于经典神经网络。
引用
@article{arxiv.2404.12741,
title = {Multi-Class Quantum Convolutional Neural Networks},
author = {Marco Mordacci and Davide Ferrari and Michele Amoretti},
journal= {arXiv preprint arXiv:2404.12741},
year = {2024}
}
备注
9 pages, 6 figures, conference