Краткое содержание

arXiv:2411.19276v3 Announce Type: replace-cross Аннотация: Мы сравниваем производительность рандомизированных классических и квантовых нейронных сетей (НС), а также классических и квантово-классических гибридных сверточных нейронных сетей (СНС) для задачи бинарной классификации изображений с учителем. Мы сохраняем используемые квантовые схемы совместимыми с квантовыми устройствами ближайшего будущего и применяем две различные методологии: применение рандомизированных НС к данным с пониженной размерностью и применение СНС к полным данным изображений. Мы оцениваем эти подходы на трех полностью классических наборах данных возрастающей сложности: искусственный набор данных «гиперкуб», рукописные цифры MNIST и промышленные изображения. Наша главная цель — пролить больше света на то, как квантовые и классические модели работают на различных задачах бинарной классификации и что определяет хорошую квантовую модель. Наше исследование включает анализ корреляции между точностью классификации и гиперпараметрами квантовой модели, а также анализ роли запутанности в квантовых моделях.