PulseAugur
中
实时 13:55:09
English(EN) QiVC-Net: Quantum-Inspired Variational Convolutional Network, with Application to Biosignal Classification

量子启发式网络在生物信号分类中达到最先进水平

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的学习框架QiVC-Net，该框架将量子启发式原理与变分优化相结合，以增强生物信号分类能力。其核心创新是量子启发式旋转集成（QiRE）机制，它允许卷积权重的可微分旋转，从而在不增加计算负担的情况下实现结构化不确定性建模。在心音图（PCG）记录上的应用显示，QiVC-Net在基准数据集上达到了97.84%和97.89%的最先进准确率，证明了其在不确定性感知生物医学信号分析方面的潜力。 AI

影响 这种在神经网络中对不确定性进行建模的量子启发式方法，有望在医疗保健等敏感领域带来更强大、更准确的AI系统。

排序理由 该集群包含一篇详细介绍新模型架构及其实验评估的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子启发式网络在生物信号分类中达到最先进水平

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Amin Golnari, Jamileh Yousefi, Reza Moheimani, Saeid Sanei ·

    QiVC-Net: Quantum-Inspired Variational Convolutional Network, with Application to Biosignal Classification

    arXiv:2511.05730v2 Announce Type: replace Abstract: In this paper, a learning framework is introduced which incorporates principles of probabilistic inference, variational optimization, and geometry-preserving operations inspired by quantum transformations. The central innovation…

相关话题