論文の概要: Quantum algorithms for anomaly detection using amplitude estimation
- arxiv url: http://arxiv.org/abs/2109.13820v1
- Date: Tue, 28 Sep 2021 15:47:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 07:27:42.926683
- Title: Quantum algorithms for anomaly detection using amplitude estimation
- Title（参考訳）: 振幅推定を用いた異常検出のための量子アルゴリズム
- Authors: Ming-Chao Guo, Hai-Ling Liu, Yong-Mei Li, Wen-Min Li, Su-Juan Qin,
Qiao-Yan Wen, and Fei Gao
- Abstract要約: 密度推定に基づく異常検出アルゴリズム(ADDEアルゴリズム)は広く使われているアルゴリズムの1つである。
本稿では振幅推定に基づく新しい量子ADDEアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 5.20363732303968
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anomaly detection plays a critical role in fraud detection, health care,
intrusion detection, military surveillance, etc. Anomaly detection algorithm
based on density estimation (called ADDE algorithm) is one of widely used
algorithms. Liang et al. proposed a quantum version of the ADDE algorithm
[Phys. Rev. A 99, 052310 (2019)] and it is believed that the algorithm has
exponential speedups on both the number and the dimension of training data
point over the classical algorithm. In this paper, we find that Liang et al.'s
algorithm doesn't actually execute. Then we propose a new quantum ADDE
algorithm based on amplitude estimation. It is shown that our algorithm can
achieves exponential speedup on the number $M$ of training data points compared
with the classical counterpart. Besides, the idea of our algorithm can be
applied to optimize the anomaly detection algorithm based on kernel principal
component analysis (called ADKPCA algorithm). Different from the quantum ADKPCA
proposed by Liu et al. [Phys. Rev. A 97, 042315 (2018)], compared with the
classical counterpart, which offer exponential speedup on the dimension $d$ of
data points, our algorithm achieves exponential speedup on $M$.
- Abstract（参考訳）: 不正検出、医療、侵入検知、軍事監視などにおいて、異常検出は重要な役割を果たす。
密度推定に基づく異常検出アルゴリズム(ADDEアルゴリズム)は広く使われているアルゴリズムの一つである。
liangらはaddeアルゴリズムの量子版を提案した[phys. rev. a 99, 052310 (2019)]。
本稿では,Liangらのアルゴリズムが実際に実行されていないことを明らかにする。
そこで,振幅推定に基づく新しい量子加算アルゴリズムを提案する。
このアルゴリズムは,古典的手法と比較して,訓練データ点数$M$の指数的高速化を達成できることが示されている。
さらに,カーネル主成分分析(ADKPCAアルゴリズム)に基づく異常検出アルゴリズムを最適化するために,本アルゴリズムのアイデアを適用することができる。
リューらによって提案された量子ADKPCAとは異なる。
[Phys. Rev. A 97, 042315 (2018)] は,データポイントの次元で指数的なスピードアップを提供する古典的手法と比較して,M$で指数的なスピードアップを達成する。
関連論文リスト
- 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) - Quantum Algorithm for Unsupervised Anomaly Detection [5.4335077019052145]
不正検出、医療侵入検出、軍事監視などにおいて、異常検出は重要な役割を果たす。
Local Outlier Factor Algorithm (LOF algorithm) は広く研究されている。
ここでは古典的アルゴリズムに対応する3つの部分からなる量子LOFアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-18T03:20:11Z) - An adaptive Bayesian quantum algorithm for phase estimation [0.0]
平均絶対誤差と平均二乗誤差の最適2次スケーリングを実現するためのコヒーレンスに基づく位相推定アルゴリズムを提案する。
ノイズの存在下で、我々のアルゴリズムは理論的な下界に近づく誤差を生成する。
論文 参考訳（メタデータ） (2023-03-02T19:00:01Z) - Critic Algorithms using Cooperative Networks [0.0]
マルコフ決定過程における政策評価のためのアルゴリズムを提案する。
このアルゴリズムは、射影ベルマン誤差を追跡し、真の勾配に基づくアルゴリズムとして実装されている。
論文 参考訳（メタデータ） (2022-01-19T19:47:18Z) - Bregman divergence based em algorithm and its application to classical
and quantum rate distortion theory [61.12008553173672]
本稿では,Bregman分散系における指数サブファミリーと混合サブファミリー間のBregman分散の最小化問題に対処する。
このアルゴリズムを量子設定を含む歪みとその変種の評価に適用する。
論文 参考訳（メタデータ） (2022-01-07T13:33:28Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - A quantum algorithm for gravitational wave matched filtering [0.0]
雑音データ中の未知信号の検出に量子アルゴリズムを適用することを提案する。
古典的手法と比較して、これはテンプレートの数の二乗根に比例するスピードアップを与える。
本稿では,基本量子回路の実装の実証と,第1次重力波信号GW150914の検出に対するアルゴリズムの適用のシミュレーションの両方を実証する。
論文 参考訳（メタデータ） (2021-09-03T13:58:58Z) - 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 Algorithms for Prediction Based on Ridge Regression [0.7612218105739107]
本稿では,リッジ回帰モデルに基づく量子アルゴリズムを提案する。
提案アルゴリズムは幅広い応用範囲を持ち,提案アルゴリズムは他の量子アルゴリズムのサブルーチンとして利用することができる。
論文 参考訳（メタデータ） (2021-04-27T11:03:52Z) - Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。
我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
論文 参考訳（メタデータ） (2020-08-29T14:58:26Z) - Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。
マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文 参考訳（メタデータ） (2020-03-06T16:17:24Z)
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。