論文の概要: Variational quantum one-class classifier
- arxiv url: http://arxiv.org/abs/2210.02674v1
- Date: Thu, 6 Oct 2022 04:32:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-23 14:59:26.170695
- Title: Variational quantum one-class classifier
- Title(参考訳): 変分量子一類分類器
- Authors: Gunhee Park, Joonsuk Huh, Daniel K. Park
- Abstract要約: 一級分類は、幅広い応用のパターン認識における根本的な問題である。
本研究では,そのような問題に対する半教師付き量子機械学習アルゴリズムを提案し,変分量子一クラス分類器(VQOCC)と呼ぶ。
VQOCCの性能は、1クラスサポートベクトルマシン(OC-SVM)、カーネル主成分分析(PCA)、手書き桁とFashion-MNISTデータセットを用いたディープ畳み込みオートエンコーダ(DCAE)と比較される。
- 参考スコア(独自算出の注目度): 4.350783459690612
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One-class classification is a fundamental problem in pattern recognition with
a wide range of applications. This work presents a semi-supervised quantum
machine learning algorithm for such a problem, which we call a variational
quantum one-class classifier (VQOCC). The algorithm is suitable for noisy
intermediate-scale quantum computing because the VQOCC trains a
fully-parameterized quantum autoencoder with a normal dataset and does not
require decoding. The performance of the VQOCC is compared with that of the
one-class support vector machine (OC-SVM), the kernel principal component
analysis (PCA), and the deep convolutional autoencoder (DCAE) using handwritten
digit and Fashion-MNIST datasets. The numerical experiment examined various
structures of VQOCC by varying data encoding, the number of parameterized
quantum circuit layers, and the size of the latent feature space. The benchmark
shows that the classification performance of VQOCC is comparable to that of
OC-SVM and PCA, although the number of model parameters grows only
logarithmically with the data size. The quantum algorithm outperformed DCAE in
most cases under similar training conditions. Therefore, our algorithm
constitutes an extremely compact and effective machine learning model for
one-class classification.
- Abstract(参考訳): 一級分類は、幅広い応用のパターン認識における根本的な問題である。
本稿では,このような問題に対する半教師付き量子機械学習アルゴリズムを示し,変分量子一クラス分類器 (vqocc) と呼ぶ。
VQOCCは通常のデータセットで完全にパラメータ化された量子オートエンコーダを訓練し、デコードを必要としないため、このアルゴリズムはノイズの多い中間スケール量子コンピューティングに適している。
VQOCCの性能は、1クラスサポートベクトルマシン(OC-SVM)、カーネル主成分分析(PCA)、手書き桁とFashion-MNISTデータセットを用いたディープ畳み込みオートエンコーダ(DCAE)と比較される。
数値実験では,vqoccの様々な構造について,データエンコーディング,パラメータ化量子回路層数,潜在特徴空間の大きさなどについて検討した。
ベンチマークの結果、VQOCCの分類性能はOC-SVMやPCAと同等であるが、モデルパラメータの数はデータサイズと対数的にしか増加しないことがわかった。
量子アルゴリズムは、ほとんどの場合、同様の訓練条件下でDCAEより優れていた。
そこで本アルゴリズムは,一クラス分類のための非常にコンパクトで効果的な機械学習モデルを構成する。
関連論文リスト
- Quantum Machine Learning with Application to Progressive Supranuclear Palsy Network Classification [0.0]
進行性核上麻痺(PSP)の診断のための量子機械学習モデルを提案する。
その結果、量子機械学習は古典的なフレームワークよりも顕著に進歩し、性能を上回っていることが示唆された。
特に,IBM量子プラットフォームの量子シミュレータと実チップの両面において,本モデルの有効性を実証した。
論文 参考訳(メタデータ) (2024-07-06T14:16:31Z) - Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。
QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。
複数のデータセットとパラメータ構成でその性能を評価する。
論文 参考訳(メタデータ) (2024-04-26T08:42:58Z) - 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) - Semisupervised Anomaly Detection using Support Vector Regression with
Quantum Kernel [0.0]
異常検出(AD)は、他のデータから何らかの方法で逸脱する観測や事象を特定することである。
本稿では,量子カーネルによる支持ベクトル回帰(SVR)の再構成損失に基づく半教師付きADへのアプローチを提案する。
量子カーネルを用いたSVRモデルは、RBFカーネルや他のすべてのモデルよりも優れた性能を示し、全てのデータセットに対して最高平均AUCを達成する。
論文 参考訳(メタデータ) (2023-08-01T15:00:14Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。
我々は距離の計算を高速化するために量子現象を利用する。
我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
論文 参考訳(メタデータ) (2022-12-13T16:04:16Z) - 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) - Variational Quantum Approximate Support Vector Machine With Inference
Transfer [0.8057006406834467]
複素データの超線形分類のためのカーネルベースの量子機械学習手法を提案する。
サポートベクトルマシンは、量子回路上で本質的にかつ明示的に実現することができる。
虹彩データ分類の精度は98.8%に達した。
論文 参考訳(メタデータ) (2022-06-29T09:56:59Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳(メタデータ) (2021-11-19T12:35:26Z) - Polyadic Quantum Classifier [0.0]
NISQアーキテクチャ上でのマルチクラス分類のための教師付き量子機械学習アルゴリズムを紹介する。
パラメトリック量子回路は、入力されたデータポイントのクラスに対応する特定のビット文字列を出力するように訓練される。
我々は、IBMq 5量子ビット量子コンピュータ上でそれをトレーニングし、テストし、そのアルゴリズムは精度が高いことを示す。
論文 参考訳(メタデータ) (2020-07-28T08:00:12Z) - High-Dimensional Quadratic Discriminant Analysis under Spiked Covariance
Model [101.74172837046382]
そこで本研究では,魚の識別比を最大化する2次分類手法を提案する。
数値シミュレーションにより,提案した分類器は,合成データと実データの両方において古典的R-QDAよりも優れるだけでなく,計算量の削減も要求されることがわかった。
論文 参考訳(メタデータ) (2020-06-25T12:00:26Z)
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。