热点事件持续更新
QCA-DenseNet：量子变分电路通道注意力门控用于静态ASL识别
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026-11-10，arXiv quant-ph 发布 QCA-DenseNet 研究，用八量子比特变分电路作为 DenseNet121 特征的通道注意力门控，在 1,815 张 MU HandImages 图像上按留出签名者方式测试。结果显示未见签名者上平均准确率达 94.50%，高于 SE 的 93.72%；该量子门控仅 17,464 个参数，比 SE 块少 7.51 倍。同时报道指出，参数匹配的经典 MLP 与无注意力模型表现相当且差异不显著，未显示量子优势。
AI 根据报道生成 · 3 小时前更新
最新进展11月10日 13:00
arXiv 发布 QCA-DenseNet，量子门控在留出签名者测试中达 94.50% 准确率，但未显示量子优势。报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- arXiv quant-ph（量子信息与量子物理）QCA-DenseNet：用八量子比特变分电路做静态 ASL 识别的通道注意力门控研究
QCA-DenseNet 用八量子比特变分电路作为 DenseNet121 特征的通道注意力门控，在 1,815 张 MU HandImages 图像上按留出签名者方式测试，未见签名者上平均准确率达 94.50%，高于 SE 的 93.72%。该量子门控仅 17,464 个参数，比 SE 块少 7.51 倍，但参数匹配的经典 MLP 与无注意力模型表现相当且差异不显著，未显示量子优势。
本事件热度走势
当前热度 7·可比范围峰值 7（11月11日 02:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。