論文の概要: A Comparative Study of Classical and Quantum Machine Learning Models for Sentimental Analysis

• arxiv url: http://arxiv.org/abs/2209.05142v1
• Date: Mon, 12 Sep 2022 10:50:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-13 14:14:28.374880
• Title: A Comparative Study of Classical and Quantum Machine Learning Models for Sentimental Analysis
• Title（参考訳）: 感性分析のための古典的および量子的機械学習モデルの比較研究
• Authors: Diksha Sharma, Parvinder Singh and Atul Kumar
• Abstract要約: 映画レビューから構築したテキストデータの感情を分析し,分類する。 量子機械学習アルゴリズムのカーネルベースのアプローチを用いる。
• 参考スコア（独自算出の注目度）: 0.9990687944474739
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We analyse and classify the sentiments of a text data constructed from movie reviews. For this, we use the kernel-based approach from quantum machine learning algorithms. In order to compose a quantum kernel, we use a circuit constructed using a combination of different Pauli rotational gates where the rotational parameter is a classical non-linear function of data points obtained from the text data. For analysing the performance of the proposed model, we analyse the quantum model using decision tree, gradient boosting classifier, and classical and quantum support vector machines. Our results show that quantum kernel model or quantum support vector machine outperforms all other algorithms used for analysis in terms of all evaluation metrics. In comparison to a classical support vector machine, the quantum support vector machine leads to significantly better results even with increased number of features or dimensions. The results clearly demonstrate increase in precision score by $9.4 \%$ using a quantum support vector machine as against a classical support vector machine if the number of features are $15$.
• Abstract（参考訳）: 映画レビューから構築したテキストデータの感情を分析し,分類する。 そのため、量子機械学習アルゴリズムによるカーネルベースのアプローチを用いる。 量子カーネルを構成するために、回転パラメータがテキストデータから得られるデータ点の古典的な非線形関数である異なるポーリ回転ゲートの組み合わせを用いて構成した回路を用いる。 提案モデルの性能解析のために,決定木,勾配ブースティング分類器,古典および量子サポートベクターマシンを用いた量子モデルの解析を行った。 その結果、量子カーネルモデルや量子支援ベクトルマシンは、全ての評価指標から分析に使用される他のアルゴリズムよりも優れていることがわかった。 古典的なサポートベクトルマシンと比較して、量子サポートベクトルマシンは、特徴や次元が増大しても、はるかに良い結果をもたらす。 この結果は、古典的なサポートベクターマシンのように量子サポートベクターマシンを使用すると、特徴の数が15ドルであれば、精度が9.4%向上することを示している。

関連論文リスト

• Hybrid quantum-classical approach for combinatorial problems at hadron colliders [7.2572969510173655]
  粒子物理学実験における問題を解くために量子アルゴリズムの可能性を探る。 大型ハドロン衝突型加速器の完全ハドロンチャネルにおけるトップクォーク対生成について検討した。 量子アルゴリズムを用いることで,正しいペアリングを選択する効率を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-10-29T18:00:07Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
  d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。 我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• Quantum Advantage Actor-Critic for Reinforcement Learning [5.579028648465784]
  本稿では,Advantage Actor-Criticアルゴリズムと変分量子回路を組み合わせた新しい量子強化学習手法を提案する。 複数の量子アドバンテージ・アクター・クリティカル構成をよく知られたカートポール環境で実証的にテストし、連続的な状態空間を持つ制御タスクにおける我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2024-01-13T11:08:45Z)
• Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems [0.7550566004119158]
  本稿では,変分量子近似スペクトルクラスタリング(VQASC)アルゴリズムを提案する。 VQASCは、伝統的に古典的な問題で必要とされるシステムサイズ、Nよりも少ないパラメータの最適化を必要とする。 合成と実世界の両方のデータセットから得られた数値結果について述べる。
  論文  参考訳（メタデータ） (2023-09-08T17:54:42Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Analog quantum variational embedding classifier [8.445680783099196]
  アナログ量子コンピュータを用いたゲート型変分埋め込み分類器を提案する。 性能が飽和し変動するまでのキュービット数を増やすことで分類器の性能を向上させることができる。 提案アルゴリズムは,現実的な機械学習問題を解決するために,現在の量子アニールを用いた可能性を示す。
  論文  参考訳（メタデータ） (2022-11-04T20:58:48Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Quantum circuits for the preparation of spin eigenfunctions on quantum computers [63.52264764099532]
  ハミルトン対称性は、関連する多粒子波動関数を分類するための重要な道具である。 この研究は、量子コンピュータ上の全スピン固有関数の正確かつ近似的な準備のための量子回路を提示する。
  論文  参考訳（メタデータ） (2022-02-19T00:21:46Z)
• Expanding variational quantum eigensolvers to larger systems by dividing the calculations between classical and quantum hardware [0.0]
  限られた資源を持つ量子コンピュータ上で、多粒子ハミルトニアンの固有値問題を効率的に解くためのハイブリッド古典量子アルゴリズムを提案する。 このアルゴリズムは、より多くの量子評価を犠牲にして必要となる量子ビット数を減少させる。
  論文  参考訳（メタデータ） (2021-12-09T17:37:41Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。