論文の概要: Quantum ensemble of trained classifiers
- arxiv url: http://arxiv.org/abs/2007.09293v1
- Date: Sat, 18 Jul 2020 01:01:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 05:25:23.056273
- Title: Quantum ensemble of trained classifiers
- Title(参考訳): 訓練された分類器の量子アンサンブル
- Authors: Ismael C. S. Araujo and Adenilton J. da Silva
- Abstract要約: 量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
- 参考スコア(独自算出の注目度): 2.048335092363436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Through superposition, a quantum computer is capable of representing an
exponentially large set of states, according to the number of qubits available.
Quantum machine learning is a subfield of quantum computing that explores the
potential of quantum computing to enhance machine learning algorithms. An
approach of quantum machine learning named quantum ensembles of quantum
classifiers consists of using superposition to build an exponentially large
ensemble of classifiers to be trained with an optimization-free learning
algorithm. In this work, we investigate how the quantum ensemble works with the
addition of an optimization method. Experiments using benchmark datasets show
the improvements obtained with the addition of the optimization step.
- Abstract(参考訳): 重ね合わせにより、量子コンピュータは利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は量子コンピューティングのサブフィールドであり、量子コンピューティングの可能性を探り、機械学習アルゴリズムを強化する。
量子分類器の量子アンサンブルと呼ばれる量子機械学習のアプローチは、重ね合わせを使って指数関数的に大きな分類器アンサンブルを構築し、最適化フリーな学習アルゴリズムで学習する。
本研究では,最適化手法の付加により量子アンサンブルがどのように機能するかを検討する。
ベンチマークデータセットを用いた実験は、最適化ステップの追加によって得られた改善を示している。
関連論文リスト
- Determining the ability for universal quantum computing: Testing
controllability via dimensional expressivity [39.58317527488534]
制御性テストは、外部制御の数を減らすために量子デバイスの設計に使用できる。
パラメタライズド量子回路に基づくハイブリッド量子古典アルゴリズムを考案する。
論文 参考訳(メタデータ) (2023-08-01T15:33:41Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - An introduction to variational quantum algorithms on gate-based quantum
computing for combinatorial optimization problems [0.0]
このチュートリアルは変分量子アルゴリズムのクラスに関する数学的記述を提供する。
量子側および古典側におけるこれらのハイブリッドアルゴリズムの重要な側面を正確に紹介する。
我々はQAOAに特に注意を払って、そのアルゴリズムに関わる量子回路と、その可能な誘導関数によって満たされる特性を詳述した。
論文 参考訳(メタデータ) (2022-12-22T14:27:52Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - Optimal quantum kernels for small data classification [0.0]
本稿では,量子ゲートシーケンスをデータに適応させるベクトルマシンをサポートするために,量子カーネルを構築するアルゴリズムを示す。
少数のトレーニングポイントを持つ分類問題に対する結果の量子モデルの性能は、最適化された古典モデルよりも著しく高い。
論文 参考訳(メタデータ) (2022-03-25T18:26:44Z) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳(メタデータ) (2021-12-22T06:19:36Z) - Quantum Annealing Formulation for Binary Neural Networks [40.99969857118534]
本研究では、リソース制約のあるデバイスを意図した軽量で強力なモデルであるバイナリニューラルネットワークについて検討する。
トレーニング問題に対する2次非制約バイナリ最適化の定式化を考案する。
問題は難解であり、すなわち、二分重みを推定するコストはネットワークサイズと指数関数的にスケールするが、どのようにして問題を量子アニール器に直接最適化できるかを示す。
論文 参考訳(メタデータ) (2021-07-05T03:20:54Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳(メタデータ) (2021-01-21T22:18:49Z) - 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) - On quantum ensembles of quantum classifiers [0.0]
量子機械学習は、量子コンピュータの根底にある性質を利用して機械学習技術を強化する。
量子分類器の量子アンサンブルの具体的な実装は、精度重み付き量子アンサンブルと呼ばれ、完全に量子化することができる。
一方、一般的な量子アンサンブルフレームワークは、特に量子スピードアップを提供する有名なDeutsch-Jozsaアルゴリズムを含むことが示されている。
論文 参考訳(メタデータ) (2020-01-29T13:46:16Z)
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。