最新資訊

智慧農(nóng)業(yè)下基于聯(lián)邦學(xué)習(xí)的水稻病蟲(chóng)害分類研究

在農(nóng)業(yè)發(fā)展過(guò)程中，農(nóng)作物的健康問(wèn)題一直是一個(gè)重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過(guò)程中的水稻病蟲(chóng)害分類問(wèn)題。在智能化農(nóng)業(yè)種植場(chǎng)景下，為了提高設(shè)備對(duì)病蟲(chóng)害的分類準(zhǔn)確性，同時(shí)保護(hù)各設(shè)備的數(shù)據(jù)隱私，提出使用聯(lián)邦學(xué)習(xí)來(lái)解決各設(shè)備間的數(shù)據(jù)孤島問(wèn)題。實(shí)驗(yàn)選取了七個(gè)預(yù)訓(xùn)練模型來(lái)提取特征，使用四個(gè)指標(biāo)（準(zhǔn)確率、召回率、損失函數(shù)和F1分?jǐn)?shù)）來(lái)評(píng)估不同模型上的性能。實(shí)驗(yàn)結(jié)果表明，在獨(dú)立同分布（IID）和非獨(dú)立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準(zhǔn)確率分別為99.05%和98.48%，表現(xiàn)出較高的魯棒性和準(zhǔn)確率。通過(guò)幾種實(shí)驗(yàn)和指標(biāo)對(duì)比發(fā)現(xiàn)，聯(lián)邦學(xué)習(xí)的應(yīng)用提升了設(shè)備4.36％的準(zhǔn)確率，圖像分類模型的收斂時(shí)間受到聯(lián)邦學(xué)習(xí)輪數(shù)round和每輪聯(lián)邦學(xué)習(xí)中訓(xùn)練集的訓(xùn)練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學(xué)習(xí)的設(shè)備數(shù)量增加而提高。

發(fā)表于：11/14/2024

基于電路切割方法的并行量子模擬方法

量子計(jì)算在解決傳統(tǒng)計(jì)算難題方面展現(xiàn)了巨大潛力，但由于其高錯(cuò)誤率和噪聲問(wèn)題，經(jīng)典模擬成為驗(yàn)證其性能的重要手段。然而，量子的疊加和糾纏特性帶來(lái)了模擬上的巨大挑戰(zhàn)，尤其是在內(nèi)存受限的情況下。盡管電路切割方法能夠?qū)⒋笠?guī)模量子電路分解為更小的計(jì)算任務(wù)，減輕計(jì)算壓力，先前的研究主要關(guān)注其在量子計(jì)算機(jī)上的應(yīng)用，未充分考慮其在量子電路模擬中的效果。論文研究填補(bǔ)了這一空白，提出了基于啟發(fā)式切割算法和子電路狀態(tài)向量復(fù)用的優(yōu)化方案，以應(yīng)對(duì)模擬中的內(nèi)存限制。通過(guò)引入全局計(jì)算成本的考量和整數(shù)規(guī)劃模型，提出的啟發(fā)式方法不僅優(yōu)化了切割過(guò)程，還結(jié)合了子電路狀態(tài)向量復(fù)用技術(shù)，以減少重復(fù)計(jì)算和內(nèi)存占用。實(shí)驗(yàn)結(jié)果顯示，與當(dāng)前流行的電路切割方法相比，所提出方法在提升模擬速度的同時(shí)顯著降低了內(nèi)存需求，有效應(yīng)對(duì)了量子電路模擬中的挑戰(zhàn)。在經(jīng)典量子電路的測(cè)試中總體平均加速達(dá)到了46%。

發(fā)表于：11/14/2024