論文の概要: Evaluating the Performance of Some Local Optimizers for Variational
Quantum Classifiers
- arxiv url: http://arxiv.org/abs/2102.08949v1
- Date: Wed, 17 Feb 2021 16:31:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 15:42:46.480521
- Title: Evaluating the Performance of Some Local Optimizers for Variational
Quantum Classifiers
- Title(参考訳): 変動量子分類器のための局所最適化器の性能評価
- Authors: Nisheeth Joshi, Pragya Katyayan, Syed Afroz Ahmed
- Abstract要約: 量子変動回路における局所回路の性能と役割について検討した。
その結果、ノイズの多い即時スケール量子マシン上の機械学習は、古典的なマシンと同様の結果を生成できることが示された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we have studied the performance and role of local optimizers
in quantum variational circuits. We studied the performance of the two most
popular optimizers and compared their results with some popular classical
machine learning algorithms. The classical algorithms we used in our study are
support vector machine (SVM), gradient boosting (GB), and random forest (RF).
These were compared with a variational quantum classifier (VQC) using two sets
of local optimizers viz AQGD and COBYLA. For experimenting with VQC, IBM
Quantum Experience and IBM Qiskit was used while for classical machine learning
models, sci-kit learn was used. The results show that machine learning on noisy
immediate scale quantum machines can produce comparable results as on classical
machines. For our experiments, we have used a popular restaurant sentiment
analysis dataset. The extracted features from this dataset and then after
applying PCA reduced the feature set into 5 features. Quantum ML models were
trained using 100 epochs and 150 epochs on using EfficientSU2 variational
circuit. Overall, four Quantum ML models were trained and three Classical ML
models were trained. The performance of the trained models was evaluated using
standard evaluation measures viz, Accuracy, Precision, Recall, F-Score. In all
the cases AQGD optimizer-based model with 100 Epochs performed better than all
other models. It produced an accuracy of 77% and an F-Score of 0.785 which were
highest across all the trained models.
- Abstract(参考訳): 本稿では,量子変分回路における局所最適化器の性能と役割について検討する。
2つの最も人気のあるオプティマイザの性能について検討し、それらの結果をいくつかの古典的機械学習アルゴリズムと比較した。
私たちが研究で使用した古典的なアルゴリズムは、サポートベクターマシン(SVM)、グラデーションブースト(GB)、ランダムフォレスト(RF)です。
これらは2つの局所最適化器viz aqgdとcobylaを用いた変分量子分類器(vqc)と比較された。
VQC、IBM Quantum Experience、IBM Qiskitの実験には、古典的な機械学習モデルでは、sci-kitの学習が使用された。
その結果、ノイズの多い即時スケール量子マシン上の機械学習は、古典的なマシンと同様の結果を生成できることが示された。
実験では,人気のあるレストラン感情分析データセットを用いた。
このデータセットから抽出した特徴をPCAを適用した後、特徴セットを5つの特徴に減らした。
量子MLモデルは、EfficientSU2変分回路を用いて100エポックと150エポックを用いて訓練された。
全体としては4つのQuantum MLモデルがトレーニングされ、3つのクラシックMLモデルがトレーニングされた。
標準評価尺度viz,精度,精度,リコール,f-scoreを用いて,トレーニングモデルの性能評価を行った。
AQGDオプティマイザをベースとした100Epochのモデルは他のモデルよりも優れた性能を示した。
精度は77%、f-score 0.785であり、すべての訓練されたモデルで最高であった。
関連論文リスト
- Quantum Active Learning [3.3202982522589934]
量子ニューラルネットワークのトレーニングは通常、教師付き学習のための実質的なラベル付きトレーニングセットを必要とする。
QALはモデルを効果的にトレーニングし、完全にラベル付けされたデータセットに匹敵するパフォーマンスを達成する。
我々は,QALがランダムサンプリングベースラインに乗じて負の結果を微妙な数値実験により解明する。
論文 参考訳(メタデータ) (2024-05-28T14:39:54Z) - Quantum Machine Learning for Credit Scoring [0.0]
中小企業向けクレジットスコアリングにおける量子機械学習(QML)の利用について検討する。
量子/古典ハイブリッドアプローチは、いくつかのモデル、アクティベーション関数、エポック、その他のパラメータで使用されている。
350エポックの量子モデルと3500エポックの量子モデルを比較検討した。
論文 参考訳(メタデータ) (2023-08-07T13:27:30Z) - Classical-to-Quantum Transfer Learning Facilitates Machine Learning with Variational Quantum Circuit [62.55763504085508]
本稿では,変分量子回路(VQC)を用いた古典的量子移動学習アーキテクチャにより,VQCモデルの表現と一般化(推定誤差)が向上することを証明する。
古典-量子遷移学習のアーキテクチャは、事前学習された古典的生成AIモデルを活用し、訓練段階におけるVQCの最適パラメータの発見を容易にする。
論文 参考訳(メタデータ) (2023-05-18T03:08:18Z) - A Framework for Demonstrating Practical Quantum Advantage: Racing
Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。
古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。
以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文 参考訳(メタデータ) (2023-03-27T22:48:28Z) - 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) - Towards a learning-based performance modeling for accelerating Deep
Neural Networks [1.1549572298362785]
我々は、畳み込みニューラルネットワーク(CNN)を最適化するために、機械学習技術に基づく予測モデルの調査を開始する。
MidgardベースのARM Mali GPUの予備実験では、我々の予測モデルはライブラリが手作業で選択したすべての畳み込み演算子よりも優れていた。
論文 参考訳(メタデータ) (2022-12-09T18:28:07Z) - 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) - Binary classifiers for noisy datasets: a comparative study of existing
quantum machine learning frameworks and some new approaches [0.0]
バイナリ分類を改善するためにQuantum Machine Learningフレームワークを適用した。
ノイズの多いデータセットは 財務的なデータセットの中にあります
新しいモデルでは、データセットの非対称ノイズに対する学習特性が向上する。
論文 参考訳(メタデータ) (2021-11-05T10:29:05Z) - When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。
精度を向上させるために,2つの軽量モジュールを提案する。
DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。
QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
論文 参考訳(メタデータ) (2021-05-27T13:51:42Z) - GEO: Enhancing Combinatorial Optimization with Classical and Quantum
Generative Models [62.997667081978825]
我々は、生成モデルとして知られる機械学習モデルを活用する新しいフレームワークを導入し、最適化問題を解決する。
我々は、テンソルネットワークマシンに依存するGEOの量子インスパイアされたバージョンに注力する。
関数呼び出し数に対する固定予算が与えられた場合、その目標が最小限の最小値を求める場合、その優れた性能を示す。
論文 参考訳(メタデータ) (2021-01-15T18:18:38Z) - Adiabatic Quantum Linear Regression [0.0]
本稿では,線形回帰モデルをトレーニングするための断熱的量子コンピューティング手法を提案する。
我々の分析によると、量子アプローチは、より大きなデータセットに対する古典的なアプローチよりも最大2.8倍のスピードアップを達成した。
論文 参考訳(メタデータ) (2020-08-05T20:40:41Z)
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。