論文の概要: Efficient correlation-based discretization of continuous variables for annealing machines

• arxiv url: http://arxiv.org/abs/2301.07244v1
• Date: Wed, 18 Jan 2023 01:04:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 17:12:34.339633
• Title: Efficient correlation-based discretization of continuous variables for annealing machines
• Title（参考訳）: アニーリングマシン用連続変数の効率的な相関に基づく離散化
• Authors: Yuki Furue, Makiko Konoshima, Hirotaka Tamura, Jun Ohkubo
• Abstract要約: 本稿では,連続変数の相関を用いた離散化手法を提案する。 提案手法は,予測精度を著しく低下させることなく,QUBOの定式化に必要なバイナリ変数数を削減できることを数値的に示す。
• 参考スコア（独自算出の注目度）: 0.6882042556551611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Annealing machines specialized for combinatorial optimization problems have been developed, and some companies offer services to use those machines. Such specialized machines can only handle binary variables, and their input format is the quadratic unconstrained binary optimization (QUBO) formulation. Therefore, discretization is necessary to solve problems with continuous variables. However, there is a severe constraint on the number of binary variables with such machines. Although the simple binary expansion in the previous research requires many binary variables, we need to reduce the number of such variables in the QUBO formulation due to the constraint. We propose a discretization method that involves using correlations of continuous variables. We numerically show that the proposed method reduces the number of necessary binary variables in the QUBO formulation without a significant loss in prediction accuracy.
• Abstract（参考訳）: 組合せ最適化問題に特化したアニーリングマシンが開発されており、これらのマシンを使用するサービスを提供している企業もある。 このような特殊なマシンはバイナリ変数のみを処理でき、入力形式はquadratic unconstrained binary optimization (qubo) である。 したがって、連続変数の問題を解くためには離散化が必要である。 しかし、このようなマシンではバイナリ変数の数に厳しい制約がある。 前の研究における単純な二進展開は、多くの二進変数を必要とするが、制約のため、qubo定式化におけるそのような変数の数を減らす必要がある。 連続変数の相関を用いた離散化法を提案する。 提案手法は,予測精度を著しく低下させることなく,QUBOの定式化に必要なバイナリ変数数を削減できることを示す。

関連論文リスト

• QUBO Refinement: Achieving Superior Precision through Iterative Quantum Formulation with Limited Qubits [3.2995359570845912]
  量子アルゴリズムは線形方程式と固有値を解くことができ、古典的なコンピュータのペースを超える。 この技術を活用することで、線形システム、固有値問題、RSA暗号システム、CT画像再構成などの応用のための量子最適化モデルが提案されている。 既存のQiskitシミュレーター、D-Waveシステムシミュレーター、ハイブリッドソルバの精度は2つの10箇所に限られている。 本稿では,各数を二項化する際に,最上位から最下位に順次進行する新しい反復アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-25T06:56:00Z)
• Efficient Bit Labeling in Factorization Machines with Annealing for Traveling Salesman Problem [0.0]
  2次的制約のないバイナリ最適化問題は、機械学習の助けを借りて解決される。 本研究は, 収束速度と2値ラベリング法における精度の依存性について検討する。
  論文  参考訳（メタデータ） (2024-07-02T09:26:38Z)
• Outlier detection in regression: conic quadratic formulations [3.04585143845864]
  多くのアプリケーションにおいて、アウトレーヤの存在、すなわち、破損した入力データポイントの存在を考慮することが重要である。 文献における既存のアプローチは、通常、ビッグM制約を用いた立方体項の線形化に依存し、弱い緩和と実際のパフォーマンスの低下に悩まされている。 この研究では、大きなMの制約を伴わないより強い二階円錐緩和を導出する。
  論文  参考訳（メタデータ） (2023-07-12T07:44:13Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Equivariant Disentangled Transformation for Domain Generalization under Combination Shift [91.38796390449504]
  ドメインとラベルの組み合わせは、トレーニング中に観察されるのではなく、テスト環境に現れる。 我々は、同型の概念、同値性、および整合性の定義に基づく結合シフト問題の一意的な定式化を提供する。
  論文  参考訳（メタデータ） (2022-08-03T12:31:31Z)
• Penalty Weights in QUBO Formulations: Permutation Problems [0.0]
  量子コンピュータで動くよう設計された最適化アルゴリズムは 近年 研究の関心を集めています これらの解法の多くは、二項形式と二項形式の問題を最適化することしかできない。 多くの最適化問題があり、自然に置換として表される。 より有望な結果をもたらすペナルティ重みを計算するための新しい静的手法を提案する。
  論文  参考訳（メタデータ） (2022-06-20T22:00:38Z)
• Unified Multivariate Gaussian Mixture for Efficient Neural Image Compression [151.3826781154146]
  先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。 ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。 当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
  論文  参考訳（メタデータ） (2022-03-21T11:44:17Z)
• Bias-Variance Tradeoffs in Single-Sample Binary Gradient Estimators [100.58924375509659]
  ストレートスルー (ST) 推定器はその単純さと効率性から人気を得た。 計算の複雑さを低く保ちながら、STよりも改善するいくつかの手法が提案された。 我々は、トレードオフを理解し、元来主張された特性を検証するために、これらの手法のバイアスとばらつきの理論解析を行う。
  論文  参考訳（メタデータ） (2021-10-07T15:16:07Z)
• Solving weakly supervised regression problem using low-rank manifold regularization [77.34726150561087]
  我々は弱い教師付き回帰問題を解く。 weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。 数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
  論文  参考訳（メタデータ） (2021-04-13T23:21:01Z)
• Competitive Mirror Descent [67.31015611281225]
  制約のある競合最適化には、制約の対象となる競合する目的を最小化しようとする複数のエージェントが含まれる。 本稿では, 競合ミラー降下法(CMD)を提案する。 特別の場合として、正の円錐上の問題に対する新しい競合乗法重みアルゴリズムを得る。
  論文  参考訳（メタデータ） (2020-06-17T22:11:35Z)
• Consistent Second-Order Conic Integer Programming for Learning Bayesian Networks [2.7473982588529653]
  連続観測データからBNのスパースDAG構造を学習する問題について検討する。 この数学的プログラムの最適解は、ある条件下では望ましい統計的性質を持つことが知られている。 ほぼ最適解を得るために, 分岐・結合プロセスの終了に向け, 早期停止条件を提案する。
  論文  参考訳（メタデータ） (2020-05-29T00:13:15Z)

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。