論文の概要: Unsupervised Recognition of Informative Features via Tensor Network Machine Learning and Quantum Entanglement Variations

• arxiv url: http://arxiv.org/abs/2207.06031v1
• Date: Wed, 13 Jul 2022 08:23:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-14 16:06:30.642618
• Title: Unsupervised Recognition of Informative Features via Tensor Network Machine Learning and Quantum Entanglement Variations
• Title（参考訳）: テンソルネットワーク機械学習と量子絡み合い変化による情報的特徴の教師なし認識
• Authors: Sheng-Chen Bai, Yi-Cheng Tang, and Shi-Ju Ran
• Abstract要約: ブラックボードに描かれた白い靴のイメージを考えると、白いピクセル(例えば人間の心によって)は、ピクセルのラベルを付けずに靴を認識できると、どのように思われますか? 本稿では、テンソルネットワーク(TN)の機械学習と量子絡み合いの観点から、このような「白い靴」認識問題を考察する。 設計した計測結果による絡み合いエントロピー(EE)の変動を考慮した,情報的特徴の教師なし認識方式を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given an image of a white shoe drawn on a blackboard, how are the white pixels deemed (say by human minds) to be informative for recognizing the shoe without any labeling information on the pixels? Here we investigate such a "white shoe" recognition problem from the perspective of tensor network (TN) machine learning and quantum entanglement. Utilizing a generative TN that captures the probability distribution of the features as quantum amplitudes, we propose an unsupervised recognition scheme of informative features with the variations of entanglement entropy (EE) caused by designed measurements. In this way, a given sample, where the values of its features are statistically meaningless, is mapped to the variations of EE that are statistically meaningful. We show that the EE variations identify the features that are critical to recognize this specific sample, and the EE itself reveals the information distribution from the TN model. The signs of the variations further reveal the entanglement structures among the features. We test the validity of our scheme on a toy dataset of strip images, the MNIST dataset of hand-drawn digits, and the fashion-MNIST dataset of the pictures of fashion articles. Our scheme opens the avenue to the quantum-inspired and interpreted unsupervised learning and could be applied to, e.g., image segmentation and object detection.
• Abstract（参考訳）: ブラックボードに描かれた白い靴のイメージを考えると、白いピクセル(例えば人間の心によって)は、そのピクセルにラベルをつけることなく、靴の認識にどのように役立つか? 本稿では,テンソルネットワーク(tn)機械学習と量子絡み合いの観点から,このような「ホワイトシュー」認識問題を考察する。 本稿では, 特徴の確率分布を量子振幅として捉えた生成的TNを用いて, 設計によるエンタングルメントエントロピー(EE)の変動による情報的特徴の非教師なし認識手法を提案する。 このようにして、その特徴の値が統計的に無意味である与えられたサンプルは、統計的に意味のあるEEのバリエーションにマッピングされる。 eeのバリエーションは、この特定のサンプルを認識する上で重要な特徴を特定し、ee自体がtnモデルからの情報分布を明らかにすることを示しています。 バリエーションの兆候は、特徴間の絡み合い構造をさらに明らかにする。 提案手法の有効性を,ストリップ画像のおもちゃデータセット,手書きディジットのMNISTデータセット,ファッション記事のファッション・MNISTデータセットで検証する。 提案手法は,量子インスパイアされた非教師付き学習への道を開き,画像分割や物体検出などに適用できる。

関連論文リスト

• Robust estimation of the intrinsic dimension of data sets with quantum cognition machine learning [31.347602507204847]
  本稿では,量子認知機械学習に基づく新しいデータ表現法を提案し,それを多様体学習に適用する。 我々は各点を量子状態として表現し、点の局所的性質とデータ全体との関係を符号化する。 量子幾何学のアイデアに触発され、量子状態から量子計量を備えた点雲を構築する。 提案手法は,このスペクトルギャップの検出に基づく。
  論文  参考訳（メタデータ） (2024-09-19T14:24:35Z)
• Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation [53.91958614666386]
  グラフニューラルネットワーク(GNN)に基づく教師なしグラフ表現学習(UGRL) マルチホップ特徴量推定(MQE)に基づく新しいUGRL法を提案する。
  論文  参考訳（メタデータ） (2024-07-29T12:24:28Z)
• Bayesian Deep Learning for Affordance Segmentation in images [3.15834651147911]
  本稿では,画像の空き地を検出するための新しいベイズディープネットワークを提案する。 空間レベルでの動脈およびてんかんの分布を定量化する。 その結果,決定論的ネットワークの最先端性が向上した。
  論文  参考訳（メタデータ） (2023-03-02T00:01:13Z)
• Combining Variational Autoencoders and Physical Bias for Improved Microscopy Data Analysis [0.0]
  本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。 本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。 その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-02-08T17:35:38Z)
• 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)
• Understanding the Influence of Receptive Field and Network Complexity in Neural-Network-Guided TEM Image Analysis [0.0]
  透過電子顕微鏡(TEM)画像において,ニューラルネットワークのアーキテクチャ選択がニューラルネットワークセグメントに与える影響を系統的に検討した。 背景からナノ粒子を区別するために振幅コントラストに依存した低分解能TEM画像の場合、受容場はセグメンテーション性能に有意な影響を与えない。 一方、ナノ粒子を識別するために振幅と位相コントラストの組合せに依存する高分解能TEM画像では、受容場が性能向上の鍵となるパラメータである。
  論文  参考訳（メタデータ） (2022-04-08T18:45:15Z)
• LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of Feature Similarity [49.84167231111667]
  自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。 自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。 機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
  論文  参考訳（メタデータ） (2022-04-06T17:48:18Z)
• Vision Transformers are Robust Learners [65.91359312429147]
  ビジョントランスフォーマー(ViT)の一般的な腐敗や摂動、分布シフト、自然逆転例に対する堅牢性について検討します。 ViTsが実際により堅牢な学習者である理由を説明するために、定量的および定性的な指標を提供する分析を提示します。
  論文  参考訳（メタデータ） (2021-05-17T02:39:22Z)
• Quantum-enhanced barcode decoding and pattern recognition [0.8602553195689513]
  量子絡み合った情報源と適切な測定とデータ処理を組み合わせることで、バーコードデータの復号化や白黒パターンの分類といったタスクにおいて、古典的コヒーレントステート戦略を大幅に上回ることを示す。 理論的には、近隣のパターン認識に量子センサを用いることの利点を理論的に証明し、手書き桁分類におけるこの予測を数値的に検証する。
  論文  参考訳（メタデータ） (2020-10-07T18:19:31Z)
• Attention-Aware Noisy Label Learning for Image Classification [97.26664962498887]
  大規模ラベル付きサンプルで学習した深層畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンにおいて顕著な進歩を遂げている。 大量のラベル付きビジュアルデータを取得する最も安価な方法は、Flickrのようなユーザーが提供するラベルでウェブサイトからクロールすることである。 本稿では,潜在的なラベルノイズのあるデータセットに基づいて学習したネットワークの識別能力を向上させるために,注目に敏感なラベル学習手法を提案する。
  論文  参考訳（メタデータ） (2020-09-30T15:45:36Z)
• Adaptive Context-Aware Multi-Modal Network for Depth Completion [107.15344488719322]
  我々は,観測された空間コンテキストを捉えるために,グラフ伝搬を採用することを提案する。 次に、注意機構を伝搬に適用し、ネットワークが文脈情報を適応的にモデル化することを奨励する。 最後に、抽出したマルチモーダル特徴を効果的に活用するための対称ゲート融合戦略を導入する。 本稿では,Adaptive Context-Aware Multi-Modal Network (ACMNet) を2つのベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-08-25T06:00:06Z)

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。