論文の概要: Quantum Feature Selection
- arxiv url: http://arxiv.org/abs/2203.13261v1
- Date: Thu, 24 Mar 2022 16:22:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-28 14:43:46.280780
- Title: Quantum Feature Selection
- Title(参考訳): 量子特徴選択
- Authors: Sascha M\"ucke, Raoul Heese, Sabine M\"uller, Moritz Wolter and Nico
Piatkowski
- Abstract要約: 機械学習では、より少ない機能がモデルの複雑さを減少させる。
本稿では,2次非制約二元最適化問題に基づく特徴選択アルゴリズムを提案する。
反復法や欲求法とは対照的に、我々の直接的なアプローチは高品質な解をもたらす。
- 参考スコア(独自算出の注目度): 2.5934039615414615
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In machine learning, fewer features reduce model complexity. Carefully
assessing the influence of each input feature on the model quality is therefore
a crucial preprocessing step. We propose a novel feature selection algorithm
based on a quadratic unconstrained binary optimization (QUBO) problem, which
allows to select a specified number of features based on their importance and
redundancy. In contrast to iterative or greedy methods, our direct approach
yields higherquality solutions. QUBO problems are particularly interesting
because they can be solved on quantum hardware. To evaluate our proposed
algorithm, we conduct a series of numerical experiments using a classical
computer, a quantum gate computer and a quantum annealer. Our evaluation
compares our method to a range of standard methods on various benchmark
datasets. We observe competitive performance.
- Abstract(参考訳): 機械学習では、モデルの複雑さを減らす機能が少ない。
したがって、各入力特徴がモデル品質に与える影響を慎重に評価することは、重要な前処理ステップである。
本稿では,2次非制約バイナリ最適化(QUBO)問題に基づく特徴選択アルゴリズムを提案する。
反復的あるいは欲深い方法とは対照的に、私たちの直接的なアプローチは高品質なソリューションを生み出します。
QUBO問題は量子ハードウェア上で解決できるので特に興味深い。
提案アルゴリズムを評価するために,古典計算機,量子ゲートコンピュータ,および量子アニールを用いた数値実験を行った。
提案手法を,各種ベンチマークデータセット上での各種標準手法と比較した。
私たちは競争パフォーマンスを観察します。
関連論文リスト
- Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳(メタデータ) (2024-04-17T11:00:12Z) - 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) - Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。
本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。
最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。
これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文 参考訳(メタデータ) (2023-10-18T17:59:45Z) - Variational Quantum Linear Solver enhanced Quantum Support Vector
Machine [3.206157921187139]
本稿では,変分量子線形解法(VQLS)拡張QSVMを提案する。
NISQ デバイス上での最小二乗SVM の線形方程式系を解くために、変分量子線形解法を利用するという考え方に基づいている。
提案手法の実装は,Irisデータセットを用いた広範囲な数値実験により評価される。
論文 参考訳(メタデータ) (2023-09-14T14:59:58Z) - Quantum computer based Feature Selection in Machine Learning [0.0]
特徴選択タスクを2次非制約最適化問題(QUBO)として扱う。
異なる結果と小さな問題設定を比較した。
継続するエラー率のため、古典的な最適化手法は依然として優れている。
論文 参考訳(メタデータ) (2023-06-18T15:58:34Z) - Quantum-inspired optimization for wavelength assignment [51.55491037321065]
波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。
本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
論文 参考訳(メタデータ) (2022-11-01T07:52:47Z) - QuAnt: Quantum Annealing with Learnt Couplings [18.40480332882025]
我々はデータからQUBOフォームを導出するのではなく、勾配のバックプロパゲーションを通して学習する。
本稿では,グラフマッチングや2次元点雲のアライメント,3次元回転推定といった多種多様な問題に対する学習QUBOの利点を示す。
論文 参考訳(メタデータ) (2022-10-13T17:59:46Z) - Towards Feature Selection for Ranking and Classification Exploiting
Quantum Annealers [14.519254230787993]
本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の両面での2次特徴選択アルゴリズムの実現可能性について検討する。
量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。
論文 参考訳(メタデータ) (2022-05-09T14:46:38Z) - Variational quantum algorithm for unconstrained black box binary
optimization: Application to feature selection [1.9182522142368683]
制約のないブラックボックス二項問題の解法として,変分量子アルゴリズムを提案する。
これは最適化のための量子アルゴリズムの典型的な設定とは対照的である。
提案手法は,従来の特徴選択手法よりも競争力があり,性能も向上していることを示す。
論文 参考訳(メタデータ) (2022-05-06T07:02:15Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。
本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。
提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
論文 参考訳(メタデータ) (2021-07-08T17:59:55Z)
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。