Fugu-MT 論文翻訳(概要): A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition

論文の概要: A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition

arxiv url: http://arxiv.org/abs/2211.01263v1
Date: Wed, 2 Nov 2022 16:46:23 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 14:57:26.404214
Title: A Quantum Kernel Learning Approach to Acoustic Modeling for Spoken Command Recognition
Title（参考訳）: 音声コマンド認識のための音響モデルのための量子カーネル学習手法
Authors: Chao-Han Huck Yang, Bo Li, Yu Zhang, Nanxin Chen, Tara N. Sainath, Sabato Marco Siniscalchi, Chin-Hui Lee
Abstract要約: 本稿では,量子カーネル学習(QKL)フレームワークを提案する。古典的-量子的特徴符号化に基づく音響特性を計画する。
参考スコア（独自算出の注目度）: 69.97260364850001
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a quantum kernel learning (QKL) framework to address the inherent data sparsity issues often encountered in training large-scare acoustic models in low-resource scenarios. We project acoustic features based on classical-to-quantum feature encoding. Different from existing quantum convolution techniques, we utilize QKL with features in the quantum space to design kernel-based classifiers. Experimental results on challenging spoken command recognition tasks for a few low-resource languages, such as Arabic, Georgian, Chuvash, and Lithuanian, show that the proposed QKL-based hybrid approach attains good improvements over existing classical and quantum solutions.
Abstract（参考訳）: 本稿では,低リソースシナリオにおける大容量音響モデルのトレーニングにおいてしばしば発生するデータ分散性問題に対処する量子カーネル学習(QKL)フレームワークを提案する。古典-量子的特徴符号化に基づく音響特性を計画する。既存の量子畳み込み技術とは異なり、量子空間の特徴を持つQKLを用いてカーネルベースの分類器を設計する。アラビア語、グルジア語、チュバシュ語、リトアニア語など、いくつかの低リソース言語の音声コマンド認識タスクに関する実験結果から、提案されたQKLベースのハイブリッドアプローチが、既存の古典的および量子的ソリューションよりも優れた改善を実現していることが示された。

関連論文リスト

Benefiting from Quantum? A Comparative Study of Q-Seg, Quantum-Inspired Techniques, and U-Net for Crack Segmentation [41.01256771536732]
本研究は, クラックセグメンテーションの古典モデルと比較して, 量子および量子に着想を得た手法の性能を評価する。以上の結果から,量子インスパイアされた量子法と量子法は,特に複雑なクラックパターンに対して,画像セグメンテーションに有望な代替手段を提供し,近未来の応用に応用できることが示唆された。
論文参考訳（メタデータ） (2024-10-14T16:51:59Z)
Foundations of Quantum Federated Learning Over Classical and Quantum Networks [59.121263013213756]
量子フェデレーション学習(QFL)は、古典的フェデレーション学習(FL)の利点と量子技術の計算能力を統合する新しいフレームワークである。 QFLは古典的通信網と量子的通信網の両方に展開できる。
論文参考訳（メタデータ） (2023-10-23T02:56:00Z)
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)
QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-14T08:03:20Z)
A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
生成モデルの一般化性能を評価するためのフレームワークを構築した。古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
論文参考訳（メタデータ） (2023-03-27T22:48:28Z)
When BERT Meets Quantum Temporal Convolution Learning for Text Classification in Heterogeneous Computing [75.75419308975746]
本研究は,変分量子回路に基づく垂直連合学習アーキテクチャを提案し,テキスト分類のための量子化事前学習BERTモデルの競争性能を実証する。目的分類実験により,提案したBERT-QTCモデルにより,SnipsおよびATIS音声言語データセットの競合実験結果が得られた。
論文参考訳（メタデータ） (2022-02-17T09:55:21Z)
Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文参考訳（メタデータ） (2021-04-30T21:34:11Z)
Quantum agents in the Gym: a variational quantum algorithm for deep Q-learning [0.0]
本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
論文参考訳（メタデータ） (2021-03-28T08:57:22Z)
Quantum-enhanced data classification with a variational entangled sensor network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文参考訳（メタデータ） (2020-06-22T01:22:33Z)
Efficient Discrete Feature Encoding for Variational Quantum Classifier [3.7576442570677253]
変分量子分類(VQC)は、量子的に有利な方法の一つである。本稿では,量子ランダムアクセス符号化(QRAC)を用いて,離散的特徴をVQCの量子ビット数に効率的にマッピングする手法を提案する。 QRACがVQCのトレーニングを高速化するためには,マッピングのキュービット数を節約することで,パラメータを削減できることを実験的に示す。
論文参考訳（メタデータ） (2020-05-29T04:43:14Z)

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。