論文の概要: Hybrid Classical-Quantum Autoencoder for Anomaly Detection

• arxiv url: http://arxiv.org/abs/2112.08869v1
• Date: Thu, 16 Dec 2021 13:27:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-04 09:29:37.258506
• Title: Hybrid Classical-Quantum Autoencoder for Anomaly Detection
• Title（参考訳）: 異常検出のためのハイブリッド古典量子オートエンコーダ
• Authors: Alona Sakhnenko, Corey O'Meara, Kumar J. B. Ghosh, Christian B. Mendl, Giorgio Cortiana, Juan Bernab\'e-Moreno
• Abstract要約: 古典的オートエンコーダ(AE)とパラメタライズド量子回路(PQC)の相乗効果であるハイブリッド古典量子オートエンコーダ(HAE)モデルを提案する。 PQCは、古典的データセット内の異常なデータポイントを探索するために標準の外れ値検出法を適用する潜在空間を拡大する。 PQCの追加は、精度、リコール、F1スコアの点で性能の向上につながることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a Hybrid classical-quantum Autoencoder (HAE) model, which is a synergy of a classical autoencoder (AE) and a parametrized quantum circuit (PQC) that is inserted into its bottleneck. The PQC augments the latent space, on which a standard outlier detection method is applied to search for anomalous data points within a classical dataset. Using this model and applying it to both standard benchmarking datasets, and a specific use-case dataset which relates to predictive maintenance of gas power plants, we show that the addition of the PQC leads to a performance enhancement in terms of precision, recall, and F1 score. Furthermore, we probe different PQC Ans\"atze and analyse which PQC features make them effective for this task.
• Abstract（参考訳）: 本稿では,古典的オートエンコーダ (AE) とパラメタライズド量子回路 (PQC) の相乗効果であるハイブリッド古典量子オートエンコーダ (HAE) モデルを提案する。 PQCは、古典的データセット内の異常なデータポイントを探索するために標準の外れ値検出法を適用する潜在空間を拡大する。 このモデルを用いて、標準ベンチマークデータセットと、ガス発電所の予測保守に関連する特定のユースケースデータセットの両方に適用することにより、pqcの追加により、精度、リコール、およびf1スコアの面でのパフォーマンスが向上することを示す。 さらに、異なるPQC Ans\atzeを探索し、どのPQC機能をこのタスクに有効にするかを分析する。

関連論文リスト

• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Quantum-Classical Sentiment Analysis [0.0]
  感情分析におけるHCQC(Hybrid classical-quantum classifier)の適用について検討する。 HCQCは分類精度ではTransformerと比較して性能が劣るが,適度に良い近似解に収束するのにはかなり時間がかかることが示唆された。 この実験はまた、D-Wave特性によって部分的には開示されていないHCQCにおける重要なボトルネックを明らかにした。
  論文  参考訳（メタデータ） (2024-09-25T13:40:19Z)
• Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders [0.0]
  本稿では,特定の量子埋め込みを考慮し,与えられたデータセットの次元性を低減する方法を提案する。 この方法は、VQCを用いた量子機械学習をより汎用的で高次元のデータセットに効果的にすることを目的としている。
  論文  参考訳（メタデータ） (2024-09-05T08:51:20Z)
• Benchmarking quantum machine learning kernel training for classification tasks [0.0]
  本研究は、分類タスクに焦点を当てた量子カーネル推定(QKE)と量子カーネルトレーニング(QKT)のベンチマーク研究を行う。 ZZFeatureMapとCovariantFeatureMapという2つの量子特徴写像がこの文脈で分析される。 実験結果から、量子法は異なるデータセット間で様々な性能を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-17T10:53:06Z)
• Benchmarking hybrid digitized-counterdiabatic quantum optimization [2.983864486954652]
  ハイブリッドデジタルカウンテルダイバティック量子コンピューティング(DCQC)は、短期量子コンピュータの能力を活用するための有望なアプローチである。 本研究では,デジタル・カウンテル・ダイアバティック・アプローチと組み合わせて,様々な古典の収束挙動と解の質を解析する。
  論文  参考訳（メタデータ） (2024-01-18T10:05:07Z)
• 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)
• 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)
• When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
  本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。 目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
  論文  参考訳（メタデータ） (2022-02-17T09:55:21Z)
• Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
  量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。 量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
  論文  参考訳（メタデータ） (2021-07-11T10:56:24Z)
• Encoding-dependent generalization bounds for parametrized quantum circuits [1.2599533416395765]
  データエンコーディングに使用する戦略に明示的に依存するPQCベースのモデルに対するバウンダリを導出する。 この結果は最適なデータエンコーディング戦略の選択を容易にする。
  論文  参考訳（メタデータ） (2021-06-07T18:01:38Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。