ترجمه فارسی مقاله نقشه فعال سازی طبقه شیب کوانتومی برای تفسیر مدل

چکیده

Quantum machine learning (QML) has recently made significant advancements in various topics. Despite the successes, the safety and interpretability of QML applications have not been thoroughly investigated. This work proposes using Variational Quantum Circuits (VQCs) for activation mapping to enhance model transparency, introducing the Quantum Gradient Class Activation Map (QGrad-CAM). This hybrid quantum-classical computing framework leverages both quantum and classical strengths and gives access to the derivation of an explicit formula of feature map importance. Experimental results demonstrate significant, fine-grained, class-discriminative visual explanations generated across both image and speech datasets.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشین کوانتومی (QML) اخیراً در موضوعات مختلف پیشرفت های چشمگیری داشته است.با وجود موفقیت ها ، ایمنی و تفسیر برنامه های QML به طور کامل مورد بررسی قرار نگرفته است.این کار با استفاده از مدارهای کوانتومی متغیر (VQC) برای نقشه برداری فعال سازی برای افزایش شفافیت مدل ، معرفی نقشه فعال سازی کلاس شیب کوانتومی (QGRAD-CAM) پیشنهاد می کند.این چارچوب محاسبات کوانتومی کلاسیک همبستگی هم از نقاط قوت کوانتومی و هم کلاسیک استفاده می کند و به مشتق یک فرمول صریح از اهمیت نقشه ویژگی دسترسی می یابد.نتایج تجربی توضیحات بصری قابل ملاحظه ای ، ریز و درشت و تبعیض آمیز را نشان می دهد که در بین مجموعه داده های تصویر و گفتار ایجاد شده است.