Fugu-MT 論文翻訳(概要): Quantum Inspired Adaptive Boosting

論文の概要: Quantum Inspired Adaptive Boosting

arxiv url: http://arxiv.org/abs/2102.00949v1
Date: Mon, 1 Feb 2021 16:33:14 GMT
ステータス: 翻訳完了
システム内更新日: 2021-02-04 15:11:47.723694
Title: Quantum Inspired Adaptive Boosting
Title（参考訳）: 量子インスパイアされた適応ブースティング
Authors: B\'alint Dar\'oczy, Katalin Friedl, L\'aszl\'o Kab\'odi, Attila Pereszl\'enyi, D\'aniel Szab\'o
Abstract要約: 量子アンサンブル法は古典的アルゴリズムに勝らないことを示す。本稿では,量子アンサンブル法と適応的なブースティングを組み合わせた手法を提案する。アルゴリズムはテストされ、公開データセット上のAdaBoostアルゴリズムに匹敵することがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Building on the quantum ensemble based classifier algorithm of Schuld and Petruccione [arXiv:1704.02146v1], we devise equivalent classical algorithms which show that this quantum ensemble method does not have advantage over classical algorithms. Essentially, we simplify their algorithm until it is intuitive to come up with an equivalent classical version. One of the classical algorithms is extremely simple and runs in constant time for each input to be classified. We further develop the idea and, as the main contribution of the paper, we propose methods inspired by combining the quantum ensemble method with adaptive boosting. The algorithms were tested and found to be comparable to the AdaBoost algorithm on publicly available data sets.
Abstract（参考訳）: Schuld と Petruccione [arXiv:1704.02146v1] の量子アンサンブルに基づく分類アルゴリズムに基づいて、この量子アンサンブル法が古典アルゴリズムよりも有利でないことを示す等価な古典アルゴリズムを考案した。基本的には、それらのアルゴリズムを、同等の古典的なバージョンを思いつくまで単純化する。古典的なアルゴリズムの1つは極めて単純で、各入力を分類するために一定時間実行される。さらに,本論文の主な貢献として,量子アンサンブル法と適応的なブースティングを組み合わせた手法を提案する。アルゴリズムはテストされ、公開データセット上のAdaBoostアルゴリズムに匹敵することがわかった。

関連論文リスト

Quantum Fisher-Yates shuffle: Unifying methods for generating uniform superpositions of permutations [0.0]
置換に対する均一な重ね合わせは、量子エラー補正、暗号、最適化において中心的な役割を果たす。我々は、古典的なフィッシャー・イェーツシャッフルの単純かつ強力な量子化を導入し、効率的な量子アルゴリズムの組を生み出した。 Qiskitにおける我々の実装はオープンソースコードとして利用可能であり、量子置換に基づくアルゴリズムのサポートと将来的な探索が可能である。
論文参考訳（メタデータ） (2025-04-24T22:24:39Z)
Hybrid Quantum-Classical Algorithms [0.0]
この論文は、古典的アルゴリズムと量子コンピューティングを組み合わせたハイブリッドアルゴリズムを探求し、古典的アルゴリズムの性能を向上させる。ハイブリッド探索とサンプル最適化アルゴリズムと、化学における量子アルゴリズムのコストと性能を評価する古典的アルゴリズムの2つのアプローチが研究されている。
論文参考訳（メタデータ） (2024-06-18T07:54:05Z)
Generalized quantum Arimoto-Blahut algorithm and its application to quantum information bottleneck [55.22418739014892]
量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。 3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
論文参考訳（メタデータ） (2023-11-19T00:06:11Z)
Iterative Quantum Algorithms for Maximum Independent Set: A Tale of Low-Depth Quantum Algorithms [0.0]
我々は、反復最大量子アルゴリズム(Iterative Maximum Quantum Algorithms)と呼ばれる、量子最適化のための新しいハイブリッドアプローチのクラスについて研究する。深度$p=1$のQAOAの場合、このアルゴリズムはMISの古典的欲求アルゴリズムと全く同じ操作と選択を行う。
論文参考訳（メタデータ） (2023-09-22T18:00:03Z)
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)
Efficient Quantum Agnostic Improper Learning of Decision Trees [0.18416014644193066]
我々は、インスタンス上の一様境界を持つ決定木を学習するためのポリアグノスティック(n,t,frac1varepsilon)$量子アルゴリズムを提供する。我々のアルゴリズムは、メンバーシップクエリなしで決定木を学習するための最初のアルゴリズム(古典的または量子的)である。
論文参考訳（メタデータ） (2022-10-01T07:11:19Z)
Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
論文参考訳（メタデータ） (2022-05-26T20:32:36Z)
Hybrid Quantum-Classical Search Algorithms [0.0]
古典計算は,探索問題自体が解けない限り,量子計算を補助できないことを示す。我々はこの結果を、不安定な成功確率を持つアルゴリズムに一般化する。
論文参考訳（メタデータ） (2022-02-23T11:43:17Z)
A Fully Single Loop Algorithm for Bilevel Optimization without Hessian Inverse [121.54116938140754]
両レベル最適化問題に対して,Hessian 逆フリーな完全単一ループアルゴリズムを提案する。我々のアルゴリズムは$O(epsilon-2)$と収束することを示す。
論文参考訳（メタデータ） (2021-12-09T02:27:52Z)
Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。両レベル最適化のための2つの新しいアルゴリズムを提案する。両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
論文参考訳（メタデータ） (2021-06-08T21:05:30Z)
Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文参考訳（メタデータ） (2020-11-09T01:13:07Z)

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。