四元数网络在视觉任务上表现优于量子电路

研究人员将四元数神经网络与浅层变分量子电路（VQC）在经典监督学习任务上的性能进行了比较。研究发现，在MNIST、Fashion-MNIST和CIFAR-10等基准测试中，四元数网络的性能普遍能媲美或接近实值神经网络的性能。相比之下，浅层VQC的准确率较低，计算成本较高，这表明共享的局部SU(2)几何结构不足以在这些场景中带来实际的量子优势。 AI

影响 表明四元数网络是经典视觉任务中浅层VQC的更有效替代方案，并对即时的实际量子优势提出了质疑。

排序理由 该条目是一篇学术论文，详细比较了不同的神经网络架构及其在特定基准测试上的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• Adam
• CIFAR-10
• Fashion-MNIST
• ImageNet
• MNIST database
• Quaternion-valued neural networks
• QuatNet
• ResNet18
• SU(2)
• Variational Quantum Circuits

• 论文
• 其他

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