Fugu-MT 論文翻訳(概要): Quantum Annealing for Semi-Supervised Learning

論文の概要: Quantum Annealing for Semi-Supervised Learning

arxiv url: http://arxiv.org/abs/2003.12459v2
Date: Sun, 12 Apr 2020 15:57:24 GMT
ステータス: 処理完了
システム内更新日: 2023-05-27 18:23:05.005937
Title: Quantum Annealing for Semi-Supervised Learning
Title（参考訳）: 半教師付き学習のための量子アニーリング
Authors: Yu-Lin Zheng, Wen Zhang, Cheng Zhou, Wei Geng
Abstract要約: セミ教師付き学習は、ラベル付きデータとラベルなしデータの両方をトレーニングに使う機械学習技術である。本稿では,量子アニール法を用いて,グラフに基づく半教師付き学習手法を提案し,理論的に解析する。本稿では,ラベル付きデータの一部(20%)が関与している場合でも,本手法の有効性を示唆する2つの分類例を示す。
参考スコア（独自算出の注目度）: 5.714334716737985
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advances in quantum technology have led to the development and the manufacturing of programmable quantum annealers that promise to solve certain combinatorial optimization problems faster than their classical counterparts. Semi-supervised learning is a machine learning technique that makes use of both labeled and unlabeled data for training, which enables a good classifier with only a small amount of labeled data. In this paper, we propose and theoretically analyze a graph-based semi-supervised learning method with the aid of the quantum annealing technique, which efficiently utilize the quantum resources while maintaining a good accuracy. We illustrate two classification examples, suggesting the feasibility of this method even with a small portion (20%) of labeled data is involved.
Abstract（参考訳）: 近年の量子技術の発展は、特定の組合せ最適化問題を古典的手法よりも早く解くことを約束するプログラム可能な量子アニーラの開発と製造につながった。半教師付き学習(semi-supervised learning)は、ラベル付きデータとラベル付きデータの両方を使用してトレーニングを行う機械学習技術である。本稿では,精度を維持しつつ量子資源を効率的に活用する量子アニーリング手法を用いて,グラフベースの半教師付き学習手法を提案し,理論的に解析する。本稿では,ラベル付きデータの一部(20%)が関与している場合でも,本手法の有効性を示唆する2つの分類例を示す。

関連論文リスト

Learning complexity gradually in quantum machine learning models [0.29998889086656577]
トレーニングセット全体に対して情報的データポイントを優先するフレームワークを提案する。情報的サンプルに選択的に焦点をあてることで、パラメータ空間のより好ましい領域に向けて最適化プロセスのステアリングを目指す。この戦略は,量子機械学習モデルの性能向上に有効である可能性が示唆された。
論文参考訳（メタデータ） (2024-11-18T19:00:01Z)
Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文参考訳（メタデータ） (2024-01-20T03:11:59Z)
Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
論文参考訳（メタデータ） (2023-11-07T04:35:03Z)
Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
論文参考訳（メタデータ） (2023-09-11T18:00:00Z)
A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文参考訳（メタデータ） (2022-11-23T18:25:32Z)
Active Learning on a Programmable Photonic Quantum Processor [6.762439942352232]
量子機械学習モデルのトレーニングには大きなラベル付きデータセットが必要で、高いラベル付けと計算コストが発生する。このようなコストを削減するため、アクティブラーニング(AL)と呼ばれる選択的なトレーニング戦略では、学習対象とする元のデータセットのサブセットのみを選択する。本稿では、量子機械学習におけるALの潜在的な応用と有効性を検討するために、2つのALを用いた変分量子分類器を設計、実装する。
論文参考訳（メタデータ） (2022-08-03T14:34:12Z)
Experimental Quantum Embedding for Machine Learning [7.31365367571807]
私たちは、古典的なデータを量子データに埋め込むために、異なるプラットフォームが補完的にどのように機能するかを示します。これらの研究は、将来の量子機械学習技術の研究の道を開くかもしれない。
論文参考訳（メタデータ） (2021-06-25T18:19:50Z)
Automatic design of quantum feature maps [0.3867363075280543]
量子支援ベクトルマシン(QSVM)を用いた最適アドホックアンゼの自動生成手法を提案する。この効率的な方法はNSGA-II多目的遺伝的アルゴリズムに基づいており、精度を最大化し、アンザッツサイズを最小化することができる。
論文参考訳（メタデータ） (2021-05-26T15:31:10Z)
Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文参考訳（メタデータ） (2020-12-08T01:10:30Z)
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文参考訳（メタデータ） (2020-10-14T18:05:49Z)
Statistical Limits of Supervised Quantum Learning [90.0289160657379]
精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
論文参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。