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
- 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) - A Single-Step Multiclass SVM based on Quantum Annealing for Remote
Sensing Data Classification [26.80167258721593]
本研究は,QMSVM(Quantum Multiclass SVM)と呼ばれる,量子アニールに基づく直接多クラス分類のための新しい量子SVMを提案する。
この研究の主な目的は、このアプローチの実現可能性、正確性、および時間性能を評価することである。
リモートセンシングデータの分類問題に対するD-Wave Advantage 量子アニールを用いた実験が実施されている。
論文 参考訳(メタデータ) (2023-03-21T09:51:19Z) - 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) - Quantum Kernel Methods for Solving Differential Equations [21.24186888129542]
量子カーネル法を用いて微分方程式(DE)の解法を提案する。
量子モデルをカーネル関数の重み付け和として構成し、特徴写像を用いて変数を符号化し、モデル微分を表現する。
論文 参考訳(メタデータ) (2022-03-16T18:56:35Z) - Protocols for Trainable and Differentiable Quantum Generative Modelling [21.24186888129542]
微分可能量子回路(DQC)としての確率分布の学習手法を提案する。
我々はDQCベースのモデルのトレーニングを行い、そこでデータは位相特徴写像で潜在空間にエンコードされ、次に変動量子回路が続く。
これにより、シングルショットの読み出しを使ってパラメタライズドディストリビューションからの高速サンプリングが可能になる。
論文 参考訳(メタデータ) (2022-02-16T18:55:48Z) - Tensor Ring Parametrized Variational Quantum Circuits for Large Scale
Quantum Machine Learning [28.026962110693695]
本稿では,テンソルリング表現を用いて回路内の量子状態を圧縮するアルゴリズムを提案する。
ストレージと計算時間は、正確なシミュレーションアルゴリズムによる指数的な増加と比較して、キュービット数とレイヤー数で線形に増加する。
We achieve a test accuracy of 83.33% on Iris dataset and a maximum of 99.30% and 76.31% on binary and ternary classification of MNIST dataset。
論文 参考訳(メタデータ) (2022-01-21T19:54:57Z) - 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) - Quantum classifiers for domain adaptation [6.294824401353294]
有効領域適応(DA)分類器の2つの量子実装を示す。
1つの実装は、対象のドメインデータのラベルを、与えられたデータの数と次元の対数的なリソースで予測することができる。
他の実装は、変分型ハイブリッド量子古典的手順により、DAタスクを効率的に達成する。
論文 参考訳(メタデータ) (2021-10-06T14:34:07Z) - Quantum Cluster Algorithm for Data classification [0.0]
最寄りの学習アルゴリズムに基づく,データ分類のための量子アルゴリズムを提案する。
マルチ制御ゲートを含む分類のための量子回路を構築する。
予備的な結果は,様々な分類問題,特に材料における異なる相の構築に有意な可能性を示唆している。
論文 参考訳(メタデータ) (2021-06-13T19:59:32Z) - 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。