Fugu-MT 論文翻訳(概要): Implementation of Trained Factorization Machine Recommendation System on Quantum Annealer

論文の概要: Implementation of Trained Factorization Machine Recommendation System on Quantum Annealer

arxiv url: http://arxiv.org/abs/2210.12953v1
Date: Mon, 24 Oct 2022 04:56:47 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 21:45:50.740241
Title: Implementation of Trained Factorization Machine Recommendation System on Quantum Annealer
Title（参考訳）: 量子アニールを用いた学習因子化機械推薦システムの開発
Authors: Chen-Yu Liu, Hsin-Yu Wang, Pei-Yen Liao, Ching-Jui Lai, Min-Hsiu Hsieh
Abstract要約: ファクトリゼーションマシン(FM)は、リコメンデーションシステムを構築するのに最もよく使われるモデルである。ランタイムは$O((N_m log N_m)2)$で、$N_m$はデータセット内のアイテムの数である。
参考スコア（独自算出の注目度）: 10.219621548854343
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Factorization Machine (FM) is the most commonly used model to build a recommendation system since it can incorporate side information to improve performance. However, producing item suggestions for a given user with a trained FM is time-consuming. It requires a run-time of $O((N_m \log N_m)^2)$, where $N_m$ is the number of items in the dataset. To address this problem, we propose a quadratic unconstrained binary optimization (QUBO) scheme to combine with FM and apply quantum annealing (QA) computation. Compared to classical methods, this hybrid algorithm provides a faster than quadratic speedup in finding good user suggestions. We then demonstrate the aforementioned computational advantage on current NISQ hardware by experimenting with a real example on a D-Wave annealer.
Abstract（参考訳）: 因子化マシン(FM)は、サイド情報を組み込んで性能を向上させるため、推奨システムを構築するのに最もよく使われるモデルである。しかし、訓練されたFMを持つユーザに対してアイテム提案を作成するのに時間を要する。ランタイムは$O((N_m \log N_m)^2)$で、$N_m$はデータセットの項目数である。この問題に対処するために、FMと組み合わせて量子アニーリング(QA)計算を適用する2次非制約バイナリ最適化(QUBO)方式を提案する。従来の手法と比較して、このハイブリッドアルゴリズムは良いユーザ提案を見つけるのに2次的なスピードアップよりも高速である。次に、D-Waveアニーラーの実例を実験することにより、現在のNISQハードウェア上での計算上の優位性を実証する。

関連論文リスト

Low Rank Field-Weighted Factorization Machines for Low Latency Item Recommendation [2.2202705655178745]
ファクトリゼーションマシン(FM)の変種は、厳格なスループットとレイテンシ要求の下で動作するレコメンデーションシステムで広く使われている。対角および対称低ランク分解を用いたFwFMにおけるプルーニングの代替法を提案する。攻撃的なランク低下は、精度と項目推薦速度の両方において、同様にアグレッシブプルーニングに優れることを示す。
論文参考訳（メタデータ） (2024-07-22T14:08:37Z)
Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文参考訳（メタデータ） (2022-06-14T08:14:14Z)
Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
論文参考訳（メタデータ） (2022-05-27T16:43:10Z)
The QAOA with Few Measurements [4.713817702376467]
近似量子最適化アルゴリズム (QAOA) はもともと最適化問題の解法として開発された。完全な記述型ベンチマーク技術は、多くの量子ビットに対してしばしば高価である。中性原子量子コンピュータのような実験的な量子コンピューティングプラットフォームは、繰り返し速度が遅い。
論文参考訳（メタデータ） (2022-05-13T18:42:20Z)
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)
Recommender System Expedited Quantum Control Optimization [0.0]
量子制御最適化アルゴリズムは、最適な量子ゲートや効率的な量子状態転送を生成するために日常的に使用される。効率的な最適化アルゴリズムの設計には2つの大きな課題がある。本稿では,後者の課題に対処するため,機械学習手法,特にレコメンダシステム(RS)を提案する。
論文参考訳（メタデータ） (2022-01-29T10:25:41Z)
Memory-Efficient Factorization Machines via Binarizing both Data and Model Coefficients [9.692334398809457]
ファクトリゼーションマシン(FM)の限界を克服するサブスペースイミネーティングマシン(SEFM)が提案されている。本稿では,モデルパラメータを2値に制約する2値化FM法を提案する。提案手法はSEFMと同等の精度を達成できるが,メモリコストははるかに少ない。
論文参考訳（メタデータ） (2021-08-17T03:30:52Z)
Accelerating variational quantum algorithms with multiple quantum processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文参考訳（メタデータ） (2021-06-24T08:18:42Z)
Higher-order Derivatives of Weighted Finite-state Machines [68.43084108204741]
本研究では、重み付き有限状態機械の正規化定数に関する高次微分の計算について検討する。文献に記載されていないすべての順序の導関数を評価するための一般アルゴリズムを提案する。我々のアルゴリズムは以前のアルゴリズムよりもはるかに高速である。
論文参考訳（メタデータ） (2021-06-01T19:51:55Z)
Differentiable Top-k Operator with Optimal Transport [135.36099648554054]
SOFTトップk演算子は、エントロピック最適輸送(EOT)問題の解として、トップk演算の出力を近似する。提案した演算子をk-アネレスト近傍およびビーム探索アルゴリズムに適用し,性能向上を示す。
論文参考訳（メタデータ） (2020-02-16T04:57:52Z)
Model Predictive Control for Finite Input Systems using the D-Wave Quantum Annealer [4.83782736808514]
D-Wave量子アニールは、新しい計算アーキテクチャとして登場し、大きな関心を集めている。本稿では,量子アニールを用いたモデル予測制御(MPC)アルゴリズムを提案する。スプリング・マス・ダンパーシステムの安定化と動的オーディオ量子化という2つの実用的応用を実証した。
論文参考訳（メタデータ） (2020-01-06T05:11:52Z)

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。