자율주행 시스템에서 높은 분류 정확도를 갖는 실시간 처리는 근본적인 요구사항이다. 그러나 분류를 위한 기존 신경망 모델은 종종 계산 효율성과 정확도 사이의 상충관계에 직면하며, 이 제한을 해결하기 위해서는 고도화된 최적화 방법의 개발이 필요하다. 또한 동적인 주행 환경은 양자컴퓨팅의 원리, 특히 중첩과 얽힘의 특성을 활용함으로써 분류 성능을 향상시킬 수 있는 기회를 제공한다. 이러한 과제에 대응하기 위해, 다단계 양자 합성곱 신경망(MS-QCNN) 접근법을 제안한다. 이는 QCNN의 다단계 구조를 효과적으로 활용하여 영상 분석 성능을 개선하도록 설계되었다. 최적 성능을 달성하기 위해 리아푸노프 최적화 프레임워크를 적용하였으며, 이 프레임워크는 시스템의 안정성을 보장하면서 시간 평균 효율을 극대화한다. 본 프레임워크는 환경 변동에 따라 MS-QCNN 모델을 동적으로 조정하여 큐 안정성을 향상시키고 최적의 시간 평균 성능을 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.