🆕 mnya.tw/cc/word/2741...
#二次元模型 #二次元 #模型 #Anima #SDXL #有什麼不同 #核心架構 #語義邏輯 #技術對比 #StableDiffusionXL #NVIDIA #Cosmos #UNet #卷積神經網路 #DiT #DiffusionTransformer #標籤 #自然語言 #像素機率匹配 #全局語義建模 #世界基礎模型 #人工智慧 #AI繪圖 #AI #繪圖
#二次元模型 #二次元 #模型 #Anima #SDXL #有什麼不同 #核心架構 #語義邏輯 #技術對比 #StableDiffusionXL #NVIDIA #Cosmos #UNet #卷積神經網路 #DiT #DiffusionTransformer #標籤 #自然語言 #像素機率匹配 #全局語義建模 #世界基礎模型 #人工智慧 #AI繪圖 #AI #繪圖
二次元模型 Anima 跟 SDXL 有什麼不同：從核心架構到語義邏輯的技術對比 - 萌芽綜合天地 - 萌芽網頁
在生成式 AI 的二次元創作領域中，Stable Diffusion XL (SDXL) 長期以來扮演著中流砥柱的角色，但隨著 NVIDIA Cosmos 系列架構的釋出，衍生出的 Anima 模 […]
mnya.tw
March 18, 2026 at 4:08 PM
TetrisCNN：量子模擬器中稀疏卷積網路的可解釋相位檢測
iq.fp2.dev
September 18, 2026 at 5:30 AM
研究人員通過聯合最佳化散斑圖案和量子電路，在超低1.5625%採樣率下在MNIST上達成90.1%的準確度，優於古典卷積神經網路。在真實光學系統上驗證達到84.8%的準確度。
#量子機器學習 #鬼成像 #研究
#量子機器學習 #鬼成像 #研究
量子增強鬼成像識別：通過聯合散斑和量子電路最佳化
iq.fp2.dev
August 28, 2026 at 2:37 AM
提出IA-QCNN架構用於從MRI掃描預測腦腫瘤中的MGMT啟動子甲基化，以僅55個可訓練參數達到67%的準確度——相比古典模型減少98-99%，同時保持優越的泛化能力和噪聲魯棒性。
#量子機器學習 #量子計算 #研究
#量子機器學習 #量子計算 #研究
用於膠質母細胞瘤MGMT甲基化預測的重要性感知量子卷積神經網路
iq.fp2.dev
April 28, 2026 at 10:56 AM
一種基於矽光子學的全光學卷積神經網路，在18×18mm²晶片上透過2,132個可調參數，結合MZI網格、WDM池化及SPSA在線微調，達到94%的MNIST準確率，能源效率比GPU提升100至242倍。
#光子人工智慧 #矽光子學 #研究
#光子人工智慧 #矽光子學 #研究
全光子卷積神經網路搭配矽光子學混合離線／在線訓練
iq.fp2.dev
April 10, 2026 at 8:25 PM
Pablo Bermejo 等人證明，量子卷積神經網路（QCNN）依賴低體性局部可觀測量，從而能透過張量網路與泡利傳播建立經典替代模型，在高達1024量子位元的規模下匹配甚至超越QCNN的表現。「局部易解」基準測試掩蓋了量子機器學習中真正量子優勢的缺失。
#量子機器學習 #量子優勢 #量子計算
#量子機器學習 #量子優勢 #量子計算
量子卷積神經網路在高達1024量子位元下可被經典模擬
iq.fp2.dev
April 7, 2026 at 6:54 PM
OAMNet是一種採用FiLM調制的卷積神經網路，具備軟OAM守恆損失函數，能以比數值模擬快128倍的速度重建高增益SPDC模態結構，相較於U-Net基準精度提升超過30%，從而實現即時量子光學表徵。
#量子光子學 #物理引導機器學習 #研究
#量子光子學 #物理引導機器學習 #研究
透過SPDC進行高維量子糾纏表徵的物理引導神經網路
iq.fp2.dev
April 7, 2026 at 3:11 AM
新統一框架揭示量子電路中貧瘠高原的成因：電路中段的資訊損失與資訊擾亂能獨立於可觀測量集中性地抑制梯度，即使在受量子卷積神經網路啟發的架構中亦然——此發現重塑了量子機器學習的可訓練性分析方向。
#量子機器學習 #貧瘠高原 #研究
#量子機器學習 #貧瘠高原 #研究
參數化量子電路中的貧瘠高原：超越可觀測量集中性
iq.fp2.dev
March 28, 2026 at 5:34 AM
來自帝國理工學院與Quantinuum的研究人員提出「量子神經物理學」，將量子電路嵌入卷積神經網路多重網格求解器中，以O(log K)電路深度求解偏微分方程式——為未來容錯硬體帶來指數級記憶體與速度提升的前景。
#量子神經物理學 #量子模擬 #新聞
#量子神經物理學 #量子模擬 #新聞
量子神經物理學：混合量子-古典卷積神經網路以對數電路縮放解決偏微分方程式
iq.fp2.dev
March 27, 2026 at 5:30 PM
Xanadu 研究人員展示量子傅立葉變換（QFT）能夠操控具有超多項式頻譜衰減的機器學習模型之傅立葉頻譜，超越傳統運算極限。此技術對支援向量機、卷積神經網路及生成式模型均具潛在效益，但在 NISQ 裝置上的實際優勢目前仍停留於理論階段。
#量子機器學習 #量子傅立葉變換 #新聞
#量子機器學習 #量子傅立葉變換 #新聞
量子傅立葉變換實現頻譜操控，為機器學習帶來優勢
iq.fp2.dev
March 27, 2026 at 2:42 PM
一種新型量子卷積神經網路採用局部化損失函數與張量網路初始化，可被證明能有效避免貧瘠高原問題，僅使用45個參數即在MNIST數據集上達到98.7%的準確率，相較於傳統卷積神經網路所需的約120,000個參數，實現了O(log N)的參數效率優勢。
#量子機器學習 #量子卷積神經網路 #研究
#量子機器學習 #量子卷積神經網路 #研究
可擴展的量子卷積神經網路架構：緩解貧瘠高原問題以實現高保真圖像分類
iq.fp2.dev
March 15, 2026 at 11:25 PM
WTHaar-Net 在混合量子-經典卷積神經網路中，以哈爾小波取代哈達瑪混合操作，將乘累加運算次數削減 44%，並在 Tiny-ImageNet 上超越 ResNet。已在 IBM Quantum 127 量子位元硬體上以 4 量子位元電路完成驗證。
#量子機器學習 #混合量子經典 #深度學習
#量子機器學習 #混合量子經典 #深度學習
WTHaar-Net：用於混合量子-經典卷積神經網路的哈爾小波變換
iq.fp2.dev
March 5, 2026 at 3:08 AM
在GPT流行之前去上過AI課，教授帶我們跑過一次卷積神經網路怎麼架設，怎麼應用在圖像邊緣上之類的
是蠻有趣的課程啦w
是蠻有趣的課程啦w
陳浚瑞 (@junrui03) on Threads
大學裡面開的AI課程99%都是爛課
www.threads.com
June 21, 2026 at 1:55 AM
在GPT流行之前去上過AI課，教授帶我們跑過一次卷積神經網路怎麼架設，怎麼應用在圖像邊緣上之類的
是蠻有趣的課程啦w
是蠻有趣的課程啦w
什麼是卷積神經網路（CNN）？
什麼是卷積神經網路（CNN）？在台灣，CNN以其在影像與視覺辨識的高效演算法，成為工業自動化、醫療影像與智慧城市的重要基礎。透過層層卷積與池化，CNN能自動學習特徵，減少人工標註負荷，提升檢測準確度。政府與企業在台灣積極投資深度學習平台與資料集，促使在地研發與就業成長。理解CNN，等於掌握讓機器看見世界的鑰匙，也是推動本土創新與競爭力的關鍵。
什麼是卷積神經網路（CNN）？在台灣，CNN以其在影像與視覺辨識的高效演算法，成為工業自動化、醫療影像與智慧城市的重要基礎。透過層層卷積與池化，CNN能自動學習特徵，減少人工標註負荷，提升檢測準確度。政府與企業在台灣積極投資深度學習平台與資料集，促使在地研發與就業成長。理解CNN，等於掌握讓機器看見世界的鑰匙，也是推動本土創新與競爭力的關鍵。
什麼是卷積神經網路（CNN）？
什麼是卷積神經網路（CNN）？在台灣，CNN以其在影像與視覺辨識的高效演算法，成為工業自動化、醫療影像與智慧城市的重要基礎。透過層層卷積與池化，CNN能自動學習特徵，減少人工標註負荷，提升檢測準確度。政府與企業在台灣積極投資深度學習平台與資料集，促使在地研發與就業成長。理解CNN，等於掌握讓機器看見世界的鑰匙，也是推動本土創新與競爭力的關鍵。
www.isuperman.tw
October 20, 2025 at 9:59 AM
什麼是卷積神經網路（CNN）？
什麼是卷積神經網路（CNN）？在台灣，CNN以其在影像與視覺辨識的高效演算法，成為工業自動化、醫療影像與智慧城市的重要基礎。透過層層卷積與池化，CNN能自動學習特徵，減少人工標註負荷，提升檢測準確度。政府與企業在台灣積極投資深度學習平台與資料集，促使在地研發與就業成長。理解CNN，等於掌握讓機器看見世界的鑰匙，也是推動本土創新與競爭力的關鍵。
什麼是卷積神經網路（CNN）？在台灣，CNN以其在影像與視覺辨識的高效演算法，成為工業自動化、醫療影像與智慧城市的重要基礎。透過層層卷積與池化，CNN能自動學習特徵，減少人工標註負荷，提升檢測準確度。政府與企業在台灣積極投資深度學習平台與資料集，促使在地研發與就業成長。理解CNN，等於掌握讓機器看見世界的鑰匙，也是推動本土創新與競爭力的關鍵。
AI的模型有哪些？
AI模型百百種，究竟哪些是您在台灣最常接觸到的呢？從辨識圖像的卷積神經網路（CNN），到理解語言的遞迴神經網路（RNN）與Transformer，再到生成內容的生成對抗網路（GAN），這些模型已深入我們的生活。例如，您手機上的照片辨識、語音助理的回應，甚至新聞推薦系統，背後都有它們的身影。理解這些模型，能幫助我們更有效運用AI。
AI模型百百種，究竟哪些是您在台灣最常接觸到的呢？從辨識圖像的卷積神經網路（CNN），到理解語言的遞迴神經網路（RNN）與Transformer，再到生成內容的生成對抗網路（GAN），這些模型已深入我們的生活。例如，您手機上的照片辨識、語音助理的回應，甚至新聞推薦系統，背後都有它們的身影。理解這些模型，能幫助我們更有效運用AI。
AI的模型有哪些？
AI模型百百種，究竟哪些是您在台灣最常接觸到的呢？從辨識圖像的卷積神經網路（CNN），到理解語言的遞迴神經網路（RNN）與Transformer，再到生成內容的生成對抗網路（GAN），這些模型已深入我們的生活。例如，您手機上的照片辨識、語音助理的回應，甚至新聞推薦系統，背後都有它們的身影。理解這些模型，能幫助我們更有效運用AI。
www.isuperman.tw
July 28, 2025 at 2:12 PM
AI的模型有哪些？
AI模型百百種，究竟哪些是您在台灣最常接觸到的呢？從辨識圖像的卷積神經網路（CNN），到理解語言的遞迴神經網路（RNN）與Transformer，再到生成內容的生成對抗網路（GAN），這些模型已深入我們的生活。例如，您手機上的照片辨識、語音助理的回應，甚至新聞推薦系統，背後都有它們的身影。理解這些模型，能幫助我們更有效運用AI。
AI模型百百種，究竟哪些是您在台灣最常接觸到的呢？從辨識圖像的卷積神經網路（CNN），到理解語言的遞迴神經網路（RNN）與Transformer，再到生成內容的生成對抗網路（GAN），這些模型已深入我們的生活。例如，您手機上的照片辨識、語音助理的回應，甚至新聞推薦系統，背後都有它們的身影。理解這些模型，能幫助我們更有效運用AI。