論文の概要: An Efficient Binary Harris Hawks Optimization based on Quantum SVM for Cancer Classification Tasks

• arxiv url: http://arxiv.org/abs/2202.11899v1
• Date: Thu, 24 Feb 2022 04:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-26 04:18:55.717436
• Title: An Efficient Binary Harris Hawks Optimization based on Quantum SVM for Cancer Classification Tasks
• Title（参考訳）: 癌分類タスクのための量子svmに基づく効率的なバイナリharris hawks最適化
• Authors: Essam H. Houssein, Zainab Abohashima, Mohamed Elhoseny and Waleed M. Mohamed
• Abstract要約: この研究は、量子シミュレーターを用いたがん分類のための新しいハイブリッド量子カーネルサポートベクターマシン(QKSVM)と、バイナリハリスホーク最適化(BHHO)に基づく遺伝子選択を組み合わせたものである。 提案手法は大腸および乳房のマイクロアレイデータセットに適用され、BHHOにより全遺伝子および選択された遺伝子で評価される。
• 参考スコア（独自算出の注目度）: 27.169643615242652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer classification based on gene expression increases early diagnosis and recovery, but high-dimensional genes with a small number of samples are a major challenge. This work introduces a new hybrid quantum kernel support vector machine (QKSVM) combined with a Binary Harris hawk optimization (BHHO) based gene selection for cancer classification on a quantum simulator. This study aims to improve the microarray cancer prediction performance with the quantum kernel estimation based on the informative genes by BHHO. The feature selection is a critical step in large-dimensional features, and BHHO is used to select important features. The BHHO mimics the behavior of the cooperative action of Harris hawks in nature. The principal component analysis (PCA) is applied to reduce the selected genes to match the qubit numbers. After which, the quantum computer is used to estimate the kernel with the training data of the reduced genes and generate the quantum kernel matrix. Moreover, the classical computer is used to draw the support vectors based on the quantum kernel matrix. Also, the prediction stage is performed with the classical device. Finally, the proposed approach is applied to colon and breast microarray datasets and evaluated with all genes and the selected genes by BHHO. The proposed approach is found to enhance the overall performance with two datasets. Also, the proposed approach is evaluated with different quantum feature maps (kernels) and classical kernel (RBF).
• Abstract（参考訳）: 遺伝子発現に基づく癌分類は早期診断と回復を促進するが、少数のサンプルを持つ高次元遺伝子は大きな課題である。 この研究は、量子シミュレーターを用いたがん分類のための新しいハイブリッド量子カーネルサポートベクターマシン(QKSVM)と、バイナリハリスホーク最適化(BHHO)に基づく遺伝子選択を組み合わせたものである。 本研究の目的は、BHHOによる情報的遺伝子に基づく量子カーネル推定により、マイクロアレイ癌予測性能を向上させることである。 機能選択は大規模機能において重要なステップであり、BHHOは重要な機能を選択するために使用される。 BHHOは自然界におけるハリスホークスの協調行動の振る舞いを模倣している。 主成分分析(PCA)は、選択された遺伝子を減らし、キュービット数に適合させる。 その後、量子コンピュータを用いて、還元された遺伝子のトレーニングデータを用いてカーネルを推定し、量子カーネルマトリックスを生成する。 さらに、古典コンピュータは、量子カーネル行列に基づいて支持ベクトルを描画するために使用される。 また、古典装置を用いて予測ステージを実行する。 最後に,提案手法を結腸および乳房のマイクロアレイデータセットに適用し,全遺伝子および選択遺伝子をbhhoにより評価した。 提案手法は,2つのデータセットで全体の性能を向上させる。 また、提案手法は、異なる量子特徴写像(カーネル)と古典的カーネル(RBF)を用いて評価される。

関連論文リスト

• Evaluating the Impact of Different Quantum Kernels on the Classification Performance of Support Vector Machine Algorithm: A Medical Dataset Application [0.0]
  本研究では,QSVM-カーネルアルゴリズムを用いて,特徴マッピング手法が医療データ分類結果に与える影響について検討する。 その結果,最高の分類性能は,分類性能と総実行時間の両方で達成されたことがわかった。 本研究の貢献は, 特徴マッピング技術が医療データ分類結果に与える影響を明らかにすることである。
  論文  参考訳（メタデータ） (2024-07-13T15:53:37Z)
• 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)
• An Efficient High-Dimensional Gene Selection Approach based on Binary Horse Herd Optimization Algorithm for Biological Data Classification [1.1510009152620668]
  Horse Herd Optimization Algorithm (HOA)は、異なる年齢の馬の行動に基づく新しいメタヒューリスティックアルゴリズムである。 本稿では、離散的な問題を解くためにHOAのバイナリバージョンを提案し、特徴部分集合を選択する。 提案手法 (MRMR-BHOA) は, 精度, 最小選択特性において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-08-18T19:40:59Z)
• Photonic Quantum Computing For Polymer Classification [62.997667081978825]
  2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。 高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-11-22T11:59:52Z)
• Quantum vs classical genetic algorithms: A numerical comparison shows faster convergence [0.0]
  いくつかの量子変種は、収束速度において全ての古典的変種よりも近い最適結果に対して優れていることを示す。 もしこの利点がより大きなシステムに当てはまるなら、量子遺伝アルゴリズムは量子コンピュータの最適化問題に対処するための新しいツールを提供するだろう。
  論文  参考訳（メタデータ） (2022-07-19T13:07:44Z)
• Quantum-Enhanced Selection Operators for Evolutionary Algorithms [0.0]
  遺伝的アルゴリズムの選択機構において量子化演算子を用いて得られた結果について検討する。 これらの量子化アルゴリズムを古典的アルゴリズムに対してベンチマークする。
  論文  参考訳（メタデータ） (2022-06-21T21:36:39Z)
• Quantum Genetic Algorithm with Individuals in Multiple Registers [0.0]
  本稿では,サブルーチンに基づく量子遺伝的アルゴリズムを提案する。 この独特な体系化により、遺伝的アルゴリズムを特徴付ける基本的な要素をすべて記述できる。 量子可観測体の生物模倣的クローニングとブヴ・ゼク・ヒラーイ普遍量子クローニングマシンの2つのパラダイム例について検討する。
  論文  参考訳（メタデータ） (2022-03-28T19:05:03Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Hybrid Random Features [60.116392415715275]
  ハイブリッドランダム特徴(HRF)と呼ばれるソフトマックスとガウス核の線形化のための新しいランダム特徴法を提案する。 HRFは、カーネル推定の品質を自動的に適応し、定義された関心領域の最も正確な近似を提供する。
  論文  参考訳（メタデータ） (2021-10-08T20:22:59Z)
• 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)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)

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。