PulseAugur
中
实时 15:51:18
English(EN) SLT: Robust Quantum Neural Networks for Noisy-Label Medical Image Classification via Supermartingale-based Label Transition

新框架增强了用于嘈杂医学图像分类的量子神经网络

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为基于超鞅的标签转换（SLT）的新框架，以提高量子神经网络（QNN）在标签嘈杂的医学图像分类任务中的鲁棒性。该框架将熵减少建模为超鞅，以动态地精炼标签转换矩阵，有助于稳定QNN训练。在各种医学图像数据集上的实验表明，SLT提高了QNN的性能，并且优于现有的嘈杂标签学习方法。 AI

影响 这项研究可能带来更准确的医学诊断AI模型，尤其是在数据不完美的情况下。

排序理由 这是一篇详细介绍新框架及其实验验证的研究论文。[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 →

新框架增强了用于嘈杂医学图像分类的量子神经网络

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jun Zhuang, Mohammad Al Hasan, Yiyu Shi, Chaowen Guan ·

    SLT：基于超鞅的标签转换实现嘈杂标签医学图像分类的鲁棒量子神经网络

    arXiv:2607.16293v1 Announce Type: cross Abstract: Noisy-label learning in small-scale medical image classification is challenging and hinders the superiority of deep neural networks. Recent studies suggest that quantum neural networks (QNNs) have shown potential in limited-data r…

相关实体

相关话题