論文の概要: Dementia Prediction Applying Variational Quantum Classifier
- arxiv url: http://arxiv.org/abs/2007.08653v1
- Date: Tue, 14 Jul 2020 22:47:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 01:39:28.596979
- Title: Dementia Prediction Applying Variational Quantum Classifier
- Title(参考訳): 変分量子分類器を用いた認知症予測
- Authors: Daniel Sierra-Sosa, Juan Arcila-Moreno, Begonya Garcia-Zapirain,
Cristian Castillo-Olea, Adel Elmaghraby
- Abstract要約: 認知症は世界中で5番目の死因であり、毎年1000万人の新規感染者が死亡している。
量子機械学習(QML)技術に関する最近の研究は、既存の機械学習モデルのトレーニングプロセスを加速するのに有用な様々なアプローチを発見した。
特に,IBMのフレームワークであるQiskitで実装された変分量子分類(VQC)を使うことで,高齢者の認知症を予測できることがわかった。
- 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: Dementia is the fifth cause of death worldwide with 10 million new cases
every year. Healthcare applications using machine learning techniques have
almost reached the physical limits while more data is becoming available
resulting from the increasing rate of diagnosis. Recent research in Quantum
Machine Learning (QML) techniques have found different approaches that may be
useful to accelerate the training process of existing machine learning models
and provide an alternative to learn more complex patterns. This work aims to
report a real-world application of a Quantum Machine Learning Algorithm, in
particular, we found that using the implemented version for Variational Quantum
Classiffication (VQC) in IBM's framework Qiskit allows predicting dementia in
elderly patients, this approach proves to provide more consistent results when
compared with a classical Support Vector Machine (SVM) with a linear kernel
using different number of features.
- Abstract(参考訳): 認知症は世界で5番目の死因であり、毎年1000万人の新規患者が死亡している。
機械学習技術を用いた医療アプリケーションは物理的限界にほぼ達しているが、診断の頻度の増加によってより多くのデータが利用できるようになっている。
量子機械学習(QML)技術に関する最近の研究は、既存の機械学習モデルのトレーニングプロセスを加速し、より複雑なパターンを学ぶための代替手段を提供するのに役立つ、さまざまなアプローチを発見した。
本研究は,量子機械学習アルゴリズムの実世界の応用を報告することを目的としており,特に,ibmのフレームワークにおける変分量子分類(vqc)に実装されたバージョンを用いることにより,高齢者の認知症予測を可能にしている。
関連論文リスト
- Machine Learning in the Quantum Age: Quantum vs. Classical Support
Vector Machines [0.0]
この研究は、古典的および量子計算パラダイムにおける機械学習アルゴリズムの有効性を判断する努力である。
我々は、Irisデータセット上で量子ハードウェアで動作する古典的なSVMと量子サポートベクトルマシンの分類技術を精査する。
論文 参考訳(メタデータ) (2023-10-17T01:06:59Z) - TeD-Q: a tensor network enhanced distributed hybrid quantum machine
learning framework [59.07246314484875]
TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。
古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。
量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
論文 参考訳(メタデータ) (2023-01-13T09:35:05Z) - Quantum Machine Learning Applied to the Classification of Diabetes [0.0]
ハイブリッド量子メソッドは、デプロイと最適化に非常に適しています。
弱点として、量子コンピューティングはそのポテンシャルを正当化するのに十分な量子ビットを持っていない。
論文 参考訳(メタデータ) (2022-12-31T03:43:07Z) - Improving Convergence for Quantum Variational Classifiers using Weight
Re-Mapping [60.086820254217336]
近年、量子機械学習は変分量子回路(VQC)の利用が大幅に増加した。
重みを2pi$の間隔に不明瞭にマッピングするために、VQCの重み再マッピングを導入する。
修正されていないウェイトを用いて、Wineデータセットの重量再マッピングにより、テスト精度が10%向上したことを実証した。
論文 参考訳(メタデータ) (2022-12-22T13:23:19Z) - 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) - A preprocessing perspective for quantum machine learning classification
advantage using NISQ algorithms [0.0]
変分量子アルゴリズム(VQA)は,LDA法とバランスの取れた精度で性能が向上したことを示す。
現在の量子コンピュータはノイズが多く、テストする量子ビットは少ないため、QML法の現在の量子的利点と潜在的な量子的優位性を実証することは困難である。
論文 参考訳(メタデータ) (2022-08-28T16:58:37Z) - Continual Learning with Bayesian Model based on a Fixed Pre-trained
Feature Extractor [55.9023096444383]
現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。
人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
論文 参考訳(メタデータ) (2022-04-28T08:41:51Z) - Quantum Machine Learning: Fad or Future? [0.0]
私たちは、古典的なコンピューティングデバイスによって、利用可能な最大計算能力のしきい値に素早く近づきます。
これは、今や数十億と数兆のパラメータを持つモデルサイズが指数関数的に増加するためである。
本稿では、量子機械学習が古典的な機械学習アプローチよりも優れているという側面を検証し、検証する。
論文 参考訳(メタデータ) (2021-06-20T15:39:36Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳(メタデータ) (2021-06-17T17:26:31Z) - 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)
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。