文献

J-GLOBAL ID：202202289593916081   整理番号：22A0976904

量子転移学習を用いたTrash分類【JST・京大機械翻訳】

Trash classification using quantum transfer learning

著者 (4件)： Mogalapalli Harshit (Department of Computer Science and Engineering, National Institute of Technology, Tiruchirappalli-620015, Tamilnadu, India) ,  Abburi Mahesh (Department of Computer Science and Engineering, National Institute of Technology, Tiruchirappalli-620015, Tamilnadu, India) ,  Nithya B. (Department of Computer Science and Engineering, National Institute of Technology, Tiruchirappalli-620015, Tamilnadu, India) ,  Bandreddi Surya Kiran Vamsi (Department of Computer Science and Engineering, National Institute of Technology, Tiruchirappalli-620015, Tamilnadu, India)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2424  号： 1  ページ： 070003-070003-9  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Trash分類は廃棄物の同定を助ける重要な活動である。本論文では,古典的Quantum転送学習モデル,すなわち,TrashQNetを,2つのクラス,有機およびリサイクル可能なトラッシュにトラッシュを分類するために提案した。古典的Quantum転送学習は機械学習と量子コンピューティングの組合せである。提案したTrashQNetモデルは,特徴抽出プロセスと分類器として変分量子回路のために事前訓練した高密度Net169ネットワークを使用する。TrashQNetの性能を,古典的機械学習モデルK-Nearest近傍およびSupportベクトルマシン,深層学習モデル-畳込みニューラルネットワークおよび移動学習モデルと比較した。TrashQNetは,すべてのこれらのモデルより優れ,テストデータセットで94%の精度を達成した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  *学習 ,  学習モデル ,  ネットワーク ,  分類 ,  ニューラルネットワーク ,  特徴抽出 ,  廃棄物 ,  機械学習 ,  リサイクル ,  量子計算
準シソーラス用語： 高密度 ,  試験データ ,  *転移学習 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 量子 ,  転移学習 ,  分類