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
- Guided Quantum Compression for Higgs Identification [0.0]
量子機械学習は、データを解析するための根本的に斬新で有望なアプローチを提供する。
本研究では,従来のオートエンコーダを独立処理ステップとして使用することにより,量子機械学習アルゴリズムの分類性能を大幅に低下させることができることを示す。
我々は、前処理と量子分類アルゴリズムを単一のトレーニング可能なモデル、すなわちガイド付き量子圧縮モデルに統合するアーキテクチャを設計する。
論文 参考訳(メタデータ) (2024-02-14T19:01:51Z) - 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) - Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。
我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。
以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文 参考訳(メタデータ) (2023-06-09T09:42:21Z) - 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) - Directed percolation in non-unitary quantum cellular automata [0.0]
ドマニ・キンツェルセルオートマトンを一般化する非単位量子セルオートマトンを構築する。
テンソルネットワークiTEBDアルゴリズムを用いて数値シミュレーションにより結果の動的進化について検討する。
論文 参考訳(メタデータ) (2021-05-04T10:10:16Z) - 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) - Quantum-enhanced data classification with a variational entangled sensor
network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。
我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文 参考訳(メタデータ) (2020-06-22T01:22:33Z)
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。