量子ビットニューラルネットワークの学習評価

カテゴリ: 部門大会

論文No: PS4-5

グループ名: 【C】平成28年電気学会電子・情報・システム部門大会講演論文集

発行日: 2016/08/31

タイトル(英語): Evaluation of Learning Efficiency of Qubit Neural Network

著者名: 笹川 真人(松江工業高等専門学校),幸田 憲明(松江工業高等専門学校),松井 伸之(兵庫県立大学),西村 治彦(兵庫県立大学)

著者名(英語): Manato Sasagawa|Noriaki Kouda|Nobuyuki Matsui|Haruhiko Nishimura

キーワード: 量子ビット|ニューラルネットワーク|GPUGPU|Qubit|neural network|GPU

要約(日本語): 近年，ニューラルネットワークの応用であるDeepLearningについて，極めて高い性能を有しているという結果が得られ，注目が集まってきている．これはAutoEncoderやPreTraining等の学習手法，GPUコンピューティングやPCクラスタ等の計算性能の向上が大きく寄与している．　また，ニューロンモデルの1つとして量子計算に用いられる量子ビットを導入した量子ビットニューロンモデルが提案されており，数値実験において良好な性能を持つことが確認されている．　本報告では，DeepLearning等に量子ビットニューロンモデルを適用することを目指し，GPUコンピューティングを利用しつつ，量子ビットニューロンモデルの学習性能を，多ビットパリティチェック問題や画像圧縮問題等を用いて評価したので，その結果について報告する．

PDFファイルサイズ: 802 Kバイト