热点事件持续更新

EXAQC图像分类论文提交第二版

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Devroop Kar、Daniel Krutz 和 Travis Desell 已向 arXiv 提交《Evolving Hybrid Quantum-Classical Architectures for Image Classification》第二版，论文继续报告 EXAQC 将参数化量子电路作为中间处理模块、结合经典特征提取与预测层进行图像分类的结果。论文称，该架构在 MNIST、Fashion-MNIST 和 CIFAR-10 上的准确率分别为 98.42%、90.62% 和 85.47%；在 CIFAR-10 上，混合模型以少于 10 层 CNN 逾 25 倍的可训练参数达到 85.68%。

AI 根据报道生成 · 1 小时前更新

最新进展10月12日 12:00

EXAQC 自动进化用于图像分类的混合量子-经典架构

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv · Machine Learning
EXAQC 自动进化用于图像分类的混合量子-经典架构
EXAQC 将参数化量子电路作为中间处理模块进行自动进化，用于图像分类，同时保留经典特征提取与预测层。在 MNIST、Fashion-MNIST 和 CIFAR-10 上，模型准确率分别为 98.42%、90.62% 和 85.47%；CIFAR-10 上的混合模型以少于 10 层 CNN 逾 25 倍的可训练参数达到 85.68%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。