机构名称：
¥ 1.0
摘要 - 随着量子机器学习的快速发展，量子神经网络（QNN）在过去几年中经历了很大的进步，利用了量子计算的优势，可以显着加快经典的机器学习任务。尽管量子神经网络越来越受欢迎，但由于它们在其架构中的独特量子特异性层（例如，数据编码和测量），量子神经网络非常违反直觉且难以理解。它可以防止QNN用户和研究人员有效地了解其内部工作和探索模型培训状态。为了填补研究空白，我们提出了紫罗兰色，这是一种新型的视觉分析方法，以提高量子神经网络的解释性。在从与域专家的访谈和文献调查中提取的设计要求的指导下，我们开发了三种可视化视图：编码器视图揭示了将经典输入数据转换为量子状态的过程，ANSATZ视图揭示了训练过程中量子状态的时间演变，并且该功能视图显示了QNN的培训过程。提出了两种新型的视觉设计，即卫星图和增强热图，分别在视觉上解释了变化参数和量子电路测量值。我们通过两项案例研究和对12个领域专家的深入访谈评估紫罗兰色。结果证明了紫罗兰在帮助QNN用户和开发人员直观地理解和探索量子神经网络方面的有效性和可用性。
可解释的量子神经网络的视觉分析
主要关键词
相关文件推荐
