論文の概要: Are Quantum Computers Practical Yet? A Case for Feature Selection in
Recommender Systems using Tensor Networks
- arxiv url: http://arxiv.org/abs/2205.04490v2
- Date: Thu, 12 May 2022 11:14:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-13 12:23:17.877254
- Title: Are Quantum Computers Practical Yet? A Case for Feature Selection in
Recommender Systems using Tensor Networks
- Title（参考訳）: 量子コンピュータはまだ実用的か?
テンソルネットワークを用いた推薦システムにおける特徴選択の事例
- Authors: Artyom Nikitin, Andrei Chertkov, Rafael Ballester-Ripoll, Ivan
Oseledets, Evgeny Frolov
- Abstract要約: 協調フィルタリングモデルは、一般的にコンテンツベースのフィルタリングモデルよりも優れており、注意深い機能工学を必要としない。
コールドスタートのシナリオでは、コラボレーティブな情報が不足している場合や、利用できない場合があり、コンテンツ情報が豊富である場合もあります。
我々は最近提案されたテンソルネットワークと多線型代数に基づくブラックボックスであるTTOptを介してQUBOに取り組む。
何千もの特徴を持つ大問題に対する本手法の計算可能性を示し, 得られた解がD-Waveで得られた解に匹敵することを示した。
- 参考スコア（独自算出の注目度）: 2.2049183478692584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative filtering models generally perform better than content-based
filtering models and do not require careful feature engineering. However, in
the cold-start scenario collaborative information may be scarce or even
unavailable, whereas the content information may be abundant, but also noisy
and expensive to acquire. Thus, selection of particular features that improve
cold-start recommendations becomes an important and non-trivial task. In the
recent approach by Nembrini et al., the feature selection is driven by the
correlational compatibility between collaborative and content-based models. The
problem is formulated as a Quadratic Unconstrained Binary Optimization (QUBO)
which, due to its NP-hard complexity, is solved using Quantum Annealing on a
quantum computer provided by D-Wave. Inspired by the reported results, we
contend the idea that current quantum annealers are superior for this problem
and instead focus on classical algorithms. In particular, we tackle QUBO via
TTOpt, a recently proposed black-box optimizer based on tensor networks and
multilinear algebra. We show the computational feasibility of this method for
large problems with thousands of features, and empirically demonstrate that the
solutions found are comparable to the ones obtained with D-Wave across all
examined datasets.
- Abstract（参考訳）: 協調フィルタリングモデルは通常、コンテンツベースのフィルタリングモデルよりもよく機能し、注意深い機能工学を必要としない。
しかし、コールドスタートのシナリオでは、協調情報が不足したり、利用できない場合もあれば、コンテンツ情報が豊富である場合もあります。
したがって、コールドスタートレコメンデーションを改善する特定の機能の選択は重要かつ非自明なタスクとなる。
nembriniらによる最近のアプローチでは、機能選択は協調モデルとコンテンツベースモデルの相関互換性によって推進されている。
この問題はQUBO ( Quadratic Unconstrained Binary Optimization) として定式化され、NPハードな複雑さのため、D-Waveが提供する量子コンピュータ上で量子アニーリングを用いて解かれる。
報告された結果に触発されて、我々は現在の量子アニールがこの問題に勝るという考えを論じ、代わりに古典的なアルゴリズムに焦点をあてる。
特に、テンソルネットワークと多線型代数に基づく最近提案されたブラックボックスオプティマイザであるTTOptを用いてQUBOに取り組む。
本研究では,何千もの特徴を有する大規模問題に対して,この手法の計算可能性を示すとともに,各データ集合のd-waveによる解と同等の解を実証的に示す。
関連論文リスト
- Broad Recommender System: An Efficient Nonlinear Collaborative Filtering
Approach [66.38794864274402]
我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。
深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。
7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
論文 参考訳（メタデータ） (2022-04-20T01:25:08Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Quantum Feature Selection [2.5934039615414615]
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。
論文 参考訳（メタデータ） (2022-03-24T16:22:25Z) - 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) - A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。
私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。
実際の量子コンピュータを用いて得られた結果について述べる。
論文 参考訳（メタデータ） (2022-01-25T05:59:24Z) - Graph neural network initialisation of quantum approximate optimisation [2.064612766965483]
量子近似最適化アルゴリズム (QAOA) をMax-Cut問題の解法に適用する。
本稿では,QAOAにおける2つの問題,初期パラメータの選択方法,そして最適解を求めるためにパラメータをトレーニングする方法について述べる。
論文 参考訳（メタデータ） (2021-11-04T17:19:08Z) - Feature Selection for Recommender Systems with Quantum Computing [7.8851236034886645]
小型だが機能的な量子コンピュータは、より広い研究コミュニティで利用できるようになった。
この数学的定式化に最も自然に適合するタスクの1つは特徴選択である。
特徴選択を最適化問題として表現し、D-Waveが提供する実量子コンピュータ上で解く。
論文 参考訳（メタデータ） (2021-10-11T08:52:50Z) - Quantum Computing for Artificial Intelligence Based Mobile Network
Optimization [0.0]
本稿では,人工知能における制約満足度問題の概念を用いて,特定の無線アクセスネットワーク最適化問題をモデル化する方法について論じる。
ケーススタディでは、重要なLTE/NR物理ランダムアクセスチャネル構成に関連する自動化ユースケースであるルートシーケンスインデックス(RSI)割り当て問題について論じる。
本稿では,商用モバイルネットワークから取得したデータを用いて構築した2次非制約バイナリ最適化(QUBO)問題としてRSI割り当てを定式化し,クラウドベースの商用量子コンピューティングプラットフォームを用いて解決する。
論文 参考訳（メタデータ） (2021-06-26T01:05:43Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳（メタデータ） (2021-05-06T17:59:38Z) - Joint Deep Reinforcement Learning and Unfolding: Beam Selection and
Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。
本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文 参考訳（メタデータ） (2021-01-05T03:55:04Z)
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。