基于量子认知隧穿的神经网络用于军民车辆分类和情感分析
计算机视觉与模式识别
2025-07-28 v1 人工智能
摘要
先前的工作已证明，将众所周知的量子隧穿(QT)概率纳入神经网络模型可有效捕捉人类感知的重要细微差别，特别是在识别模糊对象和情感分析方面。在本文中，我们采用新颖的QT-based神经网络，对其在区分定制的CIFAR格式军用和民用车辆图像以及情感方面的有效性进行评估，并使用专用的军用特定词汇。我们建议，QT-based模型可增强战场场景中多模态AI应用，特别是在人机无人机作战上下文中，赋予AI某些人类推理特征。
引用
@article{arxiv.2507.18645,
title = {Quantum-Cognitive Tunnelling Neural Networks for Military-Civilian Vehicle Classification and Sentiment Analysis},
author = {Milan Maksimovic and Anna Bohdanets and Immaculate Motsi-Omoijiade and Guido Governatori and Ivan S. Maksymov},
journal= {arXiv preprint arXiv:2507.18645},
year = {2025}
}