检索结果-内蒙古大学图书馆

Quantum-inspired neural networks for time-series air pollution prediction and control of the most polluted region in the world

引用

QUANTUM MACHINE INTELLIGENCE 2025年第1期7卷 1-13页

作者： Ahmad, Naushad Jas, Shubham Mahatma Gandhi Cent Univ Comp Sci & Informat Technol Motihari 845401 Bihar India

Researchers in the field of quantum computing are primarily focused on quantum-inspired algorithms, which function effectively on classical computers while incorporating quantum principles. A significant challenge in heavily polluted areas is accurately predicting air pollution levels. For our study, we selected New Delhi, specifically the Anand Vihar air pollution station, known for its high concentrations of PM2.5\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$_{2.5}$$\end{document}. We proposed an approach to predict PM2.5\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$_{2.5}$$\end{document} levels based on various pollutant and meteorological parameters. Our model is an improved version of the quantum temporal convolutional network (QTCN), enhancing the traditional quantum convolutional neural network (QCNN) model. To evaluate our model's performance, we used several metrics, including mean squared error (MSE), root mean squared error (RMSE), mean absolute percentage error (MAPE), mean absolute error (MAE), and the coefficient of determination (R2\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$<^>2$$\end{document} score). Our proposed model achieved MAE and MAPE values of (59.031 +/- 1.23\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$59.031 \pm 1.

关键词： Quantum algorithms dequantized algorithms Quantum-inspired algorithms Quantum convolutional neural network Quantum temporal convolutional network

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：