論文の概要: Balanced k-Means Clustering on an Adiabatic Quantum Computer

• arxiv url: http://arxiv.org/abs/2008.04419v1
• Date: Mon, 10 Aug 2020 21:15:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 23:38:57.923336
• Title: Balanced k-Means Clustering on an Adiabatic Quantum Computer
• Title（参考訳）: Adiabatic Quantum Computer上での平衡k平均クラスタリング
• Authors: Davis Arthur, Prasanna Date
• Abstract要約: 本稿では、D-Wave 2000Qアダイバティック量子コンピュータ上で、バランスの取れた$k$-meansクラスタリング訓練問題を解くための量子的アプローチを提案する。 既存の古典的アプローチは大規模なデータセットではスケールが悪く、ローカルに最適なソリューションを保証するだけである。
• 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: Adiabatic quantum computers are a promising platform for approximately solving challenging optimization problems. We present a quantum approach to solving the balanced $k$-means clustering training problem on the D-Wave 2000Q adiabatic quantum computer. Existing classical approaches scale poorly for large datasets and only guarantee a locally optimal solution. We show that our quantum approach better targets the global solution of the training problem, while achieving better theoretic scalability on large datasets. We test our quantum approach on a number of small problems, and observe clustering performance similar to the best classical algorithms.
• Abstract（参考訳）: 断熱量子コンピュータは、最適化の課題をほぼ解決するための有望なプラットフォームである。 本稿では,d-wave 2000q adiabatic quantum computerにおける,k$-meansクラスタリング学習問題の解法を提案する。 既存の古典的アプローチは大規模なデータセットではスケールが悪く、ローカルに最適なソリューションを保証するだけである。 量子アプローチがトレーニング問題のグローバルな解決を目標としつつ,大規模データセット上での理論的スケーラビリティの向上を実現していることを示す。 我々は、多くの小さな問題に対して量子アプローチをテストし、最高の古典的アルゴリズムと同様のクラスタリング性能を観察します。

関連論文リスト

• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• Adiabatic Quantum Support Vector Machines [0.8445084028034932]
  本稿では,学習支援ベクトルマシンのための断熱的量子アプローチについて述べる。 量子的アプローチの時間的複雑さは、古典的アプローチよりも桁違いに優れていることを示す。
  論文  参考訳（メタデータ） (2024-01-23T04:50:13Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Quantum Vision Clustering [10.360126989185261]
  本稿では,Adiabatic quantum computing を用いた解法に適した最初のクラスタリング定式化を提案する。 提案手法は,最先端の最適化手法と比較して高い競合性を示す。 この研究は、現在世代の実量子コンピュータにおけるクラスタリング問題の解決可能性を示す。
  論文  参考訳（メタデータ） (2023-09-18T16:15:16Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
  本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。 この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。 GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2022-04-18T21:45:13Z)
• Quantum spectral clustering algorithm for unsupervised learning [0.8399688944263843]
  本稿では,量子プロセッサ上でのスペクトルクラスタリングを実現する回路設計を提案する。 確立された量子$k$-meansアルゴリズムと比較して、我々の手法は量子ランダムアクセスメモリや量子断熱処理を必要としない。
  論文  参考訳（メタデータ） (2022-03-07T05:06:47Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Space-efficient binary optimization for variational computing [68.8204255655161]
  本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。 また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
  論文  参考訳（メタデータ） (2020-09-15T18:17:27Z)

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。