实体
QLSTM
QLSTM
PulseAugur coverage of QLSTM — every cluster mentioning QLSTM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新型量子循环单元提供增强的可扩展性和效率
研究人员开发了一种新型量子原型循环单元（QPRU），它比现有的经典和量子循环架构更具参数效率。与LSTM、GRU、QLSTM和QGRU等模型相比，该QPRU展示了具有竞争力的预测性能，并在可扩展性和可训练参数减少方面提供了优势。该论文已提交至arXiv，详细介绍了这种轻量级方法。
-
量子机器学习模型在物理数据回归中展现参数效率
研究人员系统地比较了经典机器学习模型（如CNN和LSTM）与量子对应模型（QCNN、QLSTM）在高能物理碰撞数据回归任务上的表现。虽然经典模型目前性能略好，但量子模型在参数效率方面显示出显著优势，一个QCNN所需的参数远少于深度经典CNN即可达到可比的准确率。这项研究为未来在实际量子硬件上的研究提供了基准，突出了资源受限条件下的权衡。
-
混合量子神经网络在喷气发动机剩余使用寿命预测方面展现出潜力
研究人员开发了一种混合量子循环神经网络（HQRNN），用于预测涡轮风扇发动机的剩余使用寿命。该模型将量子长短期记忆（QLSTM）层与经典密集层相结合，旨在改进退化模式表示。在NASA C-MAPSS FD001基准测试中，HQRNN的平均RMSE和MAE比经典的堆叠LSTM网络提高了5%，优于其他基线模型。
-
新型递归QLSTM模型增强量子循环学习
研究人员推出了一种用于处理序列数据的递归量子长短期记忆（QLSTM）模型。该模型通过引入基于元核的递归结构，扩展了现有QLSTM架构的功能。论文详细介绍了评估不同配置的数值测试，并确定了一个最优架构，为其中在时间信息传播和学习方面的改进性能提供了理论解释。