論文の概要: Bayesian Tensor Network with Polynomial Complexity for Probabilistic Machine Learning

• arxiv url: http://arxiv.org/abs/1912.12923v2
• Date: Tue, 7 Jan 2020 12:36:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 02:33:49.922206
• Title: Bayesian Tensor Network with Polynomial Complexity for Probabilistic Machine Learning
• Title（参考訳）: 確率的機械学習のための多項式複雑性を持つベイズテンソルネットワーク
• Authors: Shi-Ju Ran
• Abstract要約: 複数の事象の条件確率を記述するか計算することは指数関数的に高価であることが知られている。 本研究では,複数の事象の条件確率を効率的に捉えるために,ベイズネットワーク(BTN)を提案する。 BTNは画像認識に実装され、指数的に大きなサンプル空間で条件付き確率をキャプチャするためにマッピングされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is known that describing or calculating the conditional probabilities of multiple events is exponentially expensive. In this work, Bayesian tensor network (BTN) is proposed to efficiently capture the conditional probabilities of multiple sets of events with polynomial complexity. BTN is a directed acyclic graphical model that forms a subset of TN. To testify its validity for exponentially many events, BTN is implemented to the image recognition, where the classification is mapped to capturing the conditional probabilities in an exponentially large sample space. Competitive performance is achieved by the BTN with simple tree network structures. Analogous to the tensor network simulations of quantum systems, the validity of the simple-tree BTN implies an ``area law'' of fluctuations in image recognition problems.
• Abstract（参考訳）: 複数の事象の条件付き確率の記述や計算は指数関数的に高価であることが知られている。 本研究では,複数の事象の条件確率を多項式複雑性で効率的に捉えるために,ベイズテンソルネットワーク(BTN)を提案する。 BTNは、TNのサブセットを形成する有向非巡回グラフィカルモデルである。 指数的に多くの事象に対するその妥当性を検証するため、BTNは画像認識に実装され、この分類は指数的に大きなサンプル空間における条件付き確率を捉えるためにマッピングされる。 競合性能は単純なツリーネットワーク構造を持つBTNによって達成される。 量子系のテンソルネットワークシミュレーションと類似して、単純なツリーBTNの妥当性は、画像認識問題における変動の'area law''を意味する。

関連論文リスト

• Quantum Bayes Classifiers and Their Application in Image Classification [7.302388282961699]
  ベイズネットワーク上に構築されたベイズ分類器は、サンプルの統計データのみに基づいて決定を下すことができる。 ナイーブQBCと3つの半ナイーブQBC(SN-QBC)の両方を設計する。 これらのQBCは画像分類タスクに適用される。 我々は,これらのQBCをMindQuantumプラットフォーム上でシミュレートし,MNISTおよびFashion-MNISTデータセット上での性能を評価する。
  論文  参考訳（メタデータ） (2024-01-03T07:40:01Z)
• Capacity of the treelike sign perceptrons neural networks with one hidden layer -- RDT based upper bounds [0.0]
  エンファンサイン知覚神経ネットワーク(SPNN)の能力について検討する。 我々は,TCM (1-hidden Layer Emphtreelike Committee Machine) アーキテクチャに注目した。
  論文  参考訳（メタデータ） (2023-12-13T16:06:18Z)
• Noise propagation in hybrid tensor networks [3.0269252243116065]
  シミュレーション量子系の大きさの展開を記述するための拡張演算子を提案する。 観測可能な観測値の期待値は、縮約された量子テンソルの数で指数関数的に消えることを示す。
  論文  参考訳（メタデータ） (2023-09-27T16:19:19Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Sound and Complete Verification of Polynomial Networks [55.9260539566555]
  PN(Polynomial Networks)は、最近顔と画像の認識において有望な性能を示した。 分岐とバウンド(BaB)技術に基づくReLUニューラルネットワーク(NN)上の既存の検証アルゴリズムは、PN検証に自明に適用できない。 我々は、VPNと呼ばれるグローバルコンバージェンス保証のためのBaBを備えた新しいバウンダリング手法を考案した。
  論文  参考訳（メタデータ） (2022-09-15T11:50:43Z)
• Probing phases of quantum matter with an ion-trap tensor-network quantum eigensolver [1.291175895836647]
  我々は、TNアンザッツ状態を直接量子シミュレータにエンコードし、純粋に数値シミュレーションよりも指数関数的に有利である可能性がある。 特に、イオントラップ量子コンピュータ上の変分量子固有解法を用いて、量子符号化されたTNアンザッツ状態の最適化を実証する。
  論文  参考訳（メタデータ） (2022-03-24T18:00:19Z)
• Cluster-Promoting Quantization with Bit-Drop for Minimizing Network Quantization Loss [61.26793005355441]
  クラスタ・プロモーティング・量子化(CPQ)は、ニューラルネットワークに最適な量子化グリッドを見つける。 DropBitsは、ニューロンの代わりにランダムにビットをドロップする標準のドロップアウト正規化を改訂する新しいビットドロップ技術である。 本手法を様々なベンチマークデータセットとネットワークアーキテクチャ上で実験的に検証する。
  論文  参考訳（メタデータ） (2021-09-05T15:15:07Z)
• iNNformant: Boundary Samples as Telltale Watermarks [68.8204255655161]
  4つの試験されたマイクロアーキテクチャのいずれかを識別できる境界サンプルの集合を生成することができることを示す。 これらのセットは70dBよりも悪いピーク信号-雑音比のサンプルを含まないように構築することができる。
  論文  参考訳（メタデータ） (2021-06-14T11:18:32Z)
• Searching for Low-Bit Weights in Quantized Neural Networks [129.8319019563356]
  低ビットの重みとアクティベーションを持つ量子ニューラルネットワークは、AIアクセラレータを開発する上で魅力的なものだ。 本稿では、任意の量子化ニューラルネットワークにおける離散重みを探索可能な変数とみなし、差分法を用いて正確に探索する。
  論文  参考訳（メタデータ） (2020-09-18T09:13:26Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)
• Quantum circuit representation of Bayesian networks [5.057312718525522]
  2つ以上の状態を持つノードを持つ一般的な離散ベイズネットワークを表現する量子回路を開発する。 提案手法は,4ノードの石油会社の株価予測,流動性リスク評価のための10ノードネットワーク,破産予測のための9ノードのネイブベイズ分類器の3例に対して実証された。
  論文  参考訳（メタデータ） (2020-04-29T04:58:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。