論文の概要: Quantum subspace alignment for domain adaptation

• arxiv url: http://arxiv.org/abs/2001.02472v2
• Date: Mon, 29 Jun 2020 02:51:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 09:50:06.559502
• Title: Quantum subspace alignment for domain adaptation
• Title（参考訳）: 領域適応のための量子部分空間アライメント
• Authors: Xi He
• Abstract要約: ドメイン適応(DA)は、与えられた関連するが異なるラベル付きデータセットを持つ未処理データセットのラベルを適応的に取得するために使用される。 代表的DAアルゴリズムであるサブスペースアライメント(SA)は、2つの異なるデータセットのサブスペースをアライメントする線形変換を見つけようとする。 SAの2つの量子バージョンが、量子デバイス上でDA手順を実装するために提案されている。
• 参考スコア（独自算出の注目度）: 2.554707894007185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Domain adaptation (DA) is used for adaptively obtaining labels of an unprocessed data set with a given related, but different labelled data set. Subspace alignment (SA), a representative DA algorithm, attempts to find a linear transformation to align the subspaces of the two different data sets. The classifier trained on the aligned labelled data set can be transferred to the unlabelled data set to predict the target labels. In this paper, two quantum versions of the SA are proposed to implement the DA procedure on quantum devices. One method, the quantum subspace alignment algorithm (QSA), achieves quadratic speedup in the number and dimension of given samples. The other method, the variational quantum subspace alignment algorithm (VQSA), can be implemented on the near term quantum devices through a variational hybrid quantum-classical procedure. The results of the numerical experiments on different types of datasets demonstrate that the VQSA can achieve competitive performance compared with the corresponding classical algorithm.
• Abstract（参考訳）: ドメイン適応(DA)は、与えられた関連するが異なるラベル付きデータセットを持つ未処理データセットのラベルを適応的に取得するために使用される。 代表的DAアルゴリズムであるサブスペースアライメント(SA)は、2つの異なるデータセットのサブスペースをアライメントする線形変換を見つけようとする。 配列されたラベル付きデータセットでトレーニングされた分類器は、対象ラベルを予測するためにラベル付きデータセットに転送することができる。 本稿では,SAの量子バージョンを2つ提案し,DA法を量子デバイスに実装する。 量子部分空間アライメントアルゴリズム(QSA)は、与えられたサンプルの数と次元を2次的に高速化する。 もう1つの方法である変分量子部分空間アライメントアルゴリズム(vqsa)は、変分ハイブリッド量子古典的手続きを通じて近距離量子デバイスに実装することができる。 異なる種類のデータセットに対する数値実験の結果、VQSAは対応する古典的アルゴリズムと比較して競争性能を達成できることを示した。

関連論文リスト

• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Benchmarking Variational Quantum Eigensolvers for Entanglement Detection in Many-Body Hamiltonian Ground States [37.69303106863453]
  変分量子アルゴリズム(VQA)は近年、量子優位を得る約束として登場している。 我々は、変分量子固有解法(VQEs)と呼ばれる特定の種類のVQAを用いて、絡み合った観測と絡み合った基底状態検出においてそれらをベンチマークする。 ハミルトニアン相互作用にインスパイアされた構造を持つ量子回路は、問題に依存しない回路よりもコスト関数推定のより良い結果を示した。
  論文  参考訳（メタデータ） (2024-07-05T12:06:40Z)
• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Non-Unitary Quantum Machine Learning [0.0]
  量子機械学習における通常のユニタリ制約を克服する確率的量子アルゴリズムをいくつか導入する。 また, 変分アンサッツ層間の残差は, それらを含むモデルにおける不規則な台地を防止できることが示唆された。 また、Schur-Weyl双対性による点雲データに対する新たな回転不変符号化を実証する。
  論文  参考訳（メタデータ） (2024-05-27T17:42:02Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Two quantum algorithms for solving the one-dimensional advection-diffusion equation [0.0]
  2つの量子アルゴリズムが周期的境界条件を持つ線形一次元対流拡散方程式の数値解に対して提示される。 量子ビット数の増加に伴う精度と性能を、ポイントごとに比較する。
  論文  参考訳（メタデータ） (2023-12-30T21:23:15Z)
• Variational Quantum Eigensolver for Classification in Credit Sales Risk [0.5524804393257919]
  本稿では,変分量子固有解器(VQE)といわゆるSWAP-Testに基づく量子回路について考察する。 活用されたデータセットでは、2つのクラスが観察できる。 この解はコンパクトであり、対数的に増加するキュービット数だけを必要とする。
  論文  参考訳（メタデータ） (2023-03-05T23:08:39Z)
• Variational Quantum Approximate Support Vector Machine With Inference Transfer [0.8057006406834467]
  複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。 サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。 虹彩データ分類の精度は98.8%に達した。
  論文  参考訳（メタデータ） (2022-06-29T09:56:59Z)
• Transfer Learning in Quantum Parametric Classifiers: An Information-Theoretic Generalization Analysis [42.275148861039895]
  古典的な入力を持つ量子機械学習における重要なステップは、入力を量子状態にマッピングする埋め込み回路の設計である。 本稿では,任意のパラメトリック量子回路を用いて古典-量子埋め込みを行う移動学習環境について検討する。
  論文  参考訳（メタデータ） (2022-01-17T09:28:13Z)
• Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
  形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。 本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。 Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-06T17:59:38Z)
• Quantum correlation alignment for unsupervised domain adaptation [2.554707894007185]
  相関アライメント(CoRAL)は、代表領域適応(DA)アルゴリズムである。 我々は2つの異なる方法で量子デバイス上でCORALを実装している。
  論文  参考訳（メタデータ） (2020-05-07T09:42:36Z)

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。