Квантовый суррогатный классификатор изображений: подход без градиента для избежания плоских минимумов В статье предлагается новый метод обучения глубоких квантовых нейронных сетей для классификации изображений, который позволяет преодолеть проблемы, связанные с исчезающими градиентами и ограниченной нелинейностью в чисто унитарных схемах. Метод использует классическую нейронную сеть для прогнозирования результатов измерений и избегает прямого вычисления градиентов, что улучшает точность по сравнению с традиционными подходами. Эксперименты показали лучшие результаты на наборах данных MNIST, CIFAR-10 и CIFAR-100. arXiv: 2505.05249 Обзоры | Квантовая физика
Квантовый суррогатный классификатор изображений: подход без градиента для избежания плоских минимумов
В статье предлагается новый метод обучения глубоких квантовых нейронных сетей для классификации изображений, который позволяет преодолеть проблемы, связанные с исчезающими градиентами и ограниченной нелинейностью в чисто унитарных схемах. Метод использует классическую нейронную сеть для прогнозирования результатов измерений и избегает прямого вычисления градиентов, что улучшает точность по сравнению с традиционными подходами. Эксперименты показали лучшие результаты на наборах данных MNIST, CIFAR-10 и CIFAR-100.
arXiv: 2505.05249
