Fugu-MT 論文翻訳(概要): A New Quantum Approach to Binary Classification

論文の概要: A New Quantum Approach to Binary Classification

arxiv url: http://arxiv.org/abs/2106.15572v1
Date: Tue, 29 Jun 2021 17:05:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-24 19:22:50.473945
Title: A New Quantum Approach to Binary Classification
Title（参考訳）: バイナリ分類への新しい量子的アプローチ
Authors: Dr. G. Arun Sampaul Thomas, Krishna Sai Mangalarapu, Munawar Ali Md, Vamsi Krishna Talakokkula
Abstract要約: 近年、研究者はQMが古典的な機械学習アルゴリズムの改善に役立つかどうかを調査している。 QMの理論は、適切に実装された場合も有効なアルゴリズムを誘発すると考えられている。このインスピレーションから、量子インスパイアされた二項分類器を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Machine Learning classification models learn the relation between input as features and output as a class in order to predict the class for the new given input. Quantum Mechanics (QM) has already shown its effectiveness in many fields and researchers have proposed several interesting results which cannot be obtained through classical theory. In recent years, researchers have been trying to investigate whether the QM can help to improve the classical machine learning algorithms. It is believed that the theory of QM may also inspire an effective algorithm if it is implemented properly. From this inspiration, we propose the quantum-inspired binary classifier.
Abstract（参考訳）: 機械学習の分類モデルは、新しい入力のクラスを予測するために、特徴としての入力とクラスとしての出力の関係を学習する。量子力学(QM)は、すでに多くの分野で有効性を示しており、研究者は古典理論では得られない興味深い結果をいくつか提案している。近年、研究者はQMが古典的な機械学習アルゴリズムの改善に役立つかどうかを調査している。 QMの理論は、適切に実装された場合も有効なアルゴリズムを誘発すると考えられている。この着想から,量子インスパイアされたバイナリ分類器を提案する。

関連論文リスト

Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
論文参考訳（メタデータ） (2024-11-14T12:27:50Z)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-14T08:03:20Z)
MAQA: A Quantum Framework for Supervised Learning [2.064612766965483]
本研究は,古典的教師付き機械学習アルゴリズムの多元的出力を再現可能な,普遍的で効率的なフレームワークを提案する。提案するフレームワークは,多機能および多機能の組み合わせにより,Multiple Aggregator Quantum Algorithm (MAQA) と名付けられた。 2つ目の重要な追加として、提案フレームワークをハイブリッド量子古典およびフォールトトレラント量子アルゴリズムとして採用することについて議論する。
論文参考訳（メタデータ） (2023-03-20T11:18:22Z)
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 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)
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)
A preprocessing perspective for quantum machine learning classification advantage using NISQ algorithms [0.0]
変分量子アルゴリズム(VQA)は,LDA法とバランスの取れた精度で性能が向上したことを示す。現在の量子コンピュータはノイズが多く、テストする量子ビットは少ないため、QML法の現在の量子的利点と潜在的な量子的優位性を実証することは困難である。
論文参考訳（メタデータ） (2022-08-28T16:58:37Z)
Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。機械学習の観点からQGLMの現状を概観する。従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
論文参考訳（メタデータ） (2022-06-07T07:32:57Z)
Quantum Machine Learning For Classical Data [0.0]
量子コンピューティングと教師付き機械学習アルゴリズムの交差について研究する。特に,教師付き機械学習アルゴリズムの高速化に量子コンピュータがどの程度使えるかを検討する。
論文参考訳（メタデータ） (2021-05-08T12:11:44Z)
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)

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。