Quantum-Brain: Quantum-Inspired Neural Network Approach to Vision-Brain Understanding

要約

視覚脳理解は、人間の知覚から脳信号に関する意味論的な情報を抽出することを目的としています。
視覚と脳を理解するための既存の深層学習手法は、通常、脳領域間の接続性を学習する機能が欠けている従来の学習パラダイムで導入されています。
一方、量子コンピューティング理論は、深層学習モデルを設計するための新しいパラダイムを提供します。
脳信号の接続性と量子コンピューティングのもつれ特性を動機として、視覚と脳の理解の問題に取り組むための、量子にインスピレーションを得たニューラル ネットワークである新しい量子脳アプローチを提案します。
脳信号の領域間の接続性を計算するために、ヒルベルト空間で表現される他の脳ボクセルに対する脳ボクセルの影響を学習するための新しい量子インスピレーションを受けたボクセル制御モジュールを導入します。
接続性を効果的に学習するために、脳信号の値を調整する新しい位相シフト モジュールが提供されます。
最後に、ヒルベルト空間から特徴空間への接続情報を提示するための新しい測定に似た投影モジュールを導入します。
提案されたアプローチは、fMRI ボクセル間の接続性を見つける方法を学習し、人間の知覚から得られる意味情報を強化できます。
Natural Scene Dataset ベンチマークに関する実験結果は、画像および脳検索タスクで 95.1% および 95.6% の Top-1 精度、fMRI から画像への再構成タスクで 95.3% のインセプション スコアを示し、提案された方法の有効性を示しています。
私たちが提案する量子にインスピレーションを得たネットワークは、量子コンピューティング理論を介して視覚と脳の問題を解決する潜在的なパラダイムをもたらします。

要約(オリジナル)

Vision-brain understanding aims to extract semantic information about brain signals from human perceptions. Existing deep learning methods for vision-brain understanding are usually introduced in a traditional learning paradigm missing the ability to learn the connectivities between brain regions. Meanwhile, the quantum computing theory offers a new paradigm for designing deep learning models. Motivated by the connectivities in the brain signals and the entanglement properties in quantum computing, we propose a novel Quantum-Brain approach, a quantum-inspired neural network, to tackle the vision-brain understanding problem. To compute the connectivity between areas in brain signals, we introduce a new Quantum-Inspired Voxel-Controlling module to learn the impact of a brain voxel on others represented in the Hilbert space. To effectively learn connectivity, a novel Phase-Shifting module is presented to calibrate the value of the brain signals. Finally, we introduce a new Measurement-like Projection module to present the connectivity information from the Hilbert space into the feature space. The proposed approach can learn to find the connectivities between fMRI voxels and enhance the semantic information obtained from human perceptions. Our experimental results on the Natural Scene Dataset benchmarks illustrate the effectiveness of the proposed method with Top-1 accuracies of 95.1% and 95.6% on image and brain retrieval tasks and an Inception score of 95.3% on fMRI-to-image reconstruction task. Our proposed quantum-inspired network brings a potential paradigm to solving the vision-brain problems via the quantum computing theory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google