論文の概要: Quantum Cluster Algorithm for Data classification
- arxiv url: http://arxiv.org/abs/2106.07078v1
- Date: Sun, 13 Jun 2021 19:59:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 19:49:21.434454
- Title: Quantum Cluster Algorithm for Data classification
- Title（参考訳）: データ分類のための量子クラスタアルゴリズム
- Authors: Junxu Li and Sabre Kais
- Abstract要約: 最寄りの学習アルゴリズムに基づく,データ分類のための量子アルゴリズムを提案する。
マルチ制御ゲートを含む分類のための量子回路を構築する。
予備的な結果は,様々な分類問題,特に材料における異なる相の構築に有意な可能性を示唆している。
- 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: We present a quantum algorithm for data classification based on the
nearest-neighbor learning algorithm. The classification algorithm is divided
into two steps: Firstly, data in the same class is divided into smaller groups
with sublabels assisting building boundaries between data with different
labels. Secondly we construct a quantum circuit for classification that
contains multi control gates. The algorithm is easy to implement and efficient
in predicting the labels of test data. To illustrate the power and efficiency
of this approach, we construct the phase transition diagram for the
metal-insulator transition of $VO_2$, using limited trained experimental data,
where $VO_2$ is a typical strongly correlated electron materials, and the
metallic-insulating phase transition has drawn much attention in condensed
matter physics. Moreover, we demonstrate our algorithm on the classification of
randomly generated data and the classification of entanglement for various
Werner states, where the training sets can not be divided by a single curve,
instead, more than one curves are required to separate them apart perfectly.
Our preliminary result shows considerable potential for various classification
problems, particularly for constructing different phases in materials.
- Abstract（参考訳）: 最寄りの学習アルゴリズムに基づく,データ分類のための量子アルゴリズムを提案する。
分類アルゴリズムは2つのステップに分けられる: まず、同一クラスのデータは、異なるラベルを持つデータの境界を構築するのに役立つサブラベルを持つ小さなグループに分割される。
次に,マルチ制御ゲートを含む分類のための量子回路を構築する。
このアルゴリズムはテストデータのラベルを予測するのに簡単で効率的である。
提案手法のパワーと効率を説明するため, 制限された実験データを用いて, $VO_2$ の金属絶縁体遷移の相転移図を構築し, そこでは $VO_2$ が典型的な強相関電子材料であり, 金属絶縁相転移は凝縮物質物理学において大きな注目を集めている。
さらに,ランダムに生成されたデータの分類と,トレーニングセットを1つの曲線で分割できない様々なヴェルナー状態の絡み合いの分類についてアルゴリズムを実証し,それらの分離には複数の曲線が必要であることを示した。
予備的な結果は, 様々な分類問題, 特に材料の異なる相の構築に有意な可能性を示した。
関連論文リスト
- Classifying extended, localized and critical states in quasiperiodic lattices via unsupervised learning [5.990170343443193]
本研究では,教師なし学習を用いて,一次元準周期モデルの位相図を得る。
教師なし学習アルゴリズムの結果と従来のアルゴリズムの結果の最も類似性が98%を超えていることが判明した。
論文 参考訳（メタデータ） (2024-10-19T10:49:47Z) - LayerMatch: Do Pseudo-labels Benefit All Layers? [77.59625180366115]
半教師付き学習はラベル付きデータの依存性を軽減するための有望なソリューションを提供する。
我々はGrad-ReLUとAvg-Clusteringという2つの層固有の擬似ラベル戦略を開発した。
提案手法は,標準的な半教師付き学習ベンチマークにおいて,例外的な性能を示す。
論文 参考訳（メタデータ） (2024-06-20T11:25:50Z) - Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。
以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
論文 参考訳（メタデータ） (2024-04-15T12:38:46Z) - A hybrid quantum-classical classifier based on branching multi-scale
entanglement renormalization ansatz [5.548873288570182]
本稿では,ラベル伝搬に基づく量子半教師付き分類器を提案する。
グラフ構築の難しさを考慮し,変分量子ラベル伝搬法(VQLP)を開発した。
本手法では、最適化に必要なパラメータを減らすために、局所パラメータ化量子回路を作成する。
論文 参考訳（メタデータ） (2023-03-14T13:46:45Z) - On Robust Learning from Noisy Labels: A Permutation Layer Approach [53.798757734297986]
本稿では、深層ニューラルネットワーク(DNN)のトレーニング過程を動的に校正するPermLLと呼ばれる置換層学習手法を提案する。
本稿では,PermLLの2つの変種について述べる。一方はモデルの予測に置換層を適用し,他方は与えられた雑音ラベルに直接適用する。
我々はPermLLを実験的に検証し、実際のデータセットと合成データセットの両方で最先端のパフォーマンスを実現することを示す。
論文 参考訳（メタデータ） (2022-11-29T03:01:48Z) - Learning with Neighbor Consistency for Noisy Labels [69.83857578836769]
特徴空間におけるトレーニング例間の類似性を利用した雑音ラベルから学習する手法を提案する。
合成(CIFAR-10, CIFAR-100)とリアル(mini-WebVision, Clothing1M, mini-ImageNet-Red)の両方のノイズを評価するデータセットの評価を行った。
論文 参考訳（メタデータ） (2022-02-04T15:46:27Z) - Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。
第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。
その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文 参考訳（メタデータ） (2021-10-19T14:24:50Z) - Multi-label Classification via Adaptive Resonance Theory-based
Clustering [9.58897929546191]
本稿では,適応共振理論(art)に基づくクラスタリングアルゴリズムとラベル確率計算のためのベイズ法を適用し,連続学習が可能なマルチラベル分類アルゴリズムを提案する。
合成および実世界のマルチラベルデータセットを用いた実験結果は,提案アルゴリズムが他のよく知られたアルゴリズムと競合する分類性能を持つことを示した。
論文 参考訳（メタデータ） (2021-03-02T06:51:41Z) - Theoretical Insights Into Multiclass Classification: A High-dimensional
Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。
分析の結果,分類精度は分布に依存していることがわかった。
得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文 参考訳（メタデータ） (2020-11-16T05:17:29Z) - Polyadic Quantum Classifier [0.0]
NISQアーキテクチャ上でのマルチクラス分類のための教師付き量子機械学習アルゴリズムを紹介する。
パラメトリック量子回路は、入力されたデータポイントのクラスに対応する特定のビット文字列を出力するように訓練される。
我々は、IBMq 5量子ビット量子コンピュータ上でそれをトレーニングし、テストし、そのアルゴリズムは精度が高いことを示す。
論文 参考訳（メタデータ） (2020-07-28T08:00:12Z) - A meta-algorithm for classification using random recursive tree
ensembles: A high energy physics application [0.0]
本研究の目的は,個別のバイナリクラスの存在下での自動分類のためのメタアルゴリズムを提案することである。
重なり合うクラスは、両方のクラスに属する高密度の点を持つ特徴空間におけるあいまいな領域の存在によって記述される。
提案したアルゴリズムは、実験物理学において最も成功した解析手法の1つである古典的な強化決定木の変種である。
論文 参考訳（メタデータ） (2020-01-19T18:22:18Z)
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。