論文の概要: Detecting Clouds in Multispectral Satellite Images Using Quantum-Kernel Support Vector Machines

• arxiv url: http://arxiv.org/abs/2302.08270v1
• Date: Thu, 16 Feb 2023 12:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-17 13:47:58.470183
• Title: Detecting Clouds in Multispectral Satellite Images Using Quantum-Kernel Support Vector Machines
• Title（参考訳）: 量子カーネル支援ベクトルマシンを用いたマルチスペクトル衛星画像中の雲の検出
• Authors: Artur Miroszewski, Jakub Mielczarek, Grzegorz Czelusta, Filip Szczepanek, Bartosz Grabowski, Bertrand Le Saux, Jakub Nalepa
• Abstract要約: サポートベクトルマシン(SVM)は、分類タスクの配列で十分に確立されている。 従来のSVMを量子カーネルで拡張し、衛星データ解析に適用することを検討する。 Landsat-8マルチスペクトルデータセットを用いて行った実験では、シミュレーションされたハイブリッドSVMが衛星画像の分類に成功していることがわかった。
• 参考スコア（独自算出の注目度）: 26.375598657313578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Support vector machines (SVMs) are a well-established classifier effectively deployed in an array of classification tasks. In this work, we consider extending classical SVMs with quantum kernels and applying them to satellite data analysis. The design and implementation of SVMs with quantum kernels (hybrid SVMs) are presented. Here, the pixels are mapped to the Hilbert space using a family of parameterized quantum feature maps (related to quantum kernels). The parameters are optimized to maximize the kernel target alignment. The quantum kernels have been selected such that they enabled analysis of numerous relevant properties while being able to simulate them with classical computers on a real-life large-scale dataset. Specifically, we approach the problem of cloud detection in the multispectral satellite imagery, which is one of the pivotal steps in both on-the-ground and on-board satellite image analysis processing chains. The experiments performed over the benchmark Landsat-8 multispectral dataset revealed that the simulated hybrid SVM successfully classifies satellite images with accuracy comparable to the classical SVM with the RBF kernel for large datasets. Interestingly, for large datasets, the high accuracy was also observed for the simple quantum kernels, lacking quantum entanglement.
• Abstract（参考訳）: サポートベクターマシン(svm)は、分類タスクの配列に効果的にデプロイされる、確立された分類器である。 本研究では,従来のSVMを量子カーネルで拡張し,衛星データ解析に適用することを検討する。 量子カーネル(ハイブリッドSVM)を用いたSVMの設計と実装について述べる。 ここで、画素は(量子核に関連する)パラメータ化された量子特徴写像の族を用いてヒルベルト空間に写像される。 パラメータはカーネルターゲットアライメントを最大化するために最適化される。 量子カーネルは、多数の関連する特性を分析しつつ、現実の大規模データセット上で古典的なコンピュータでそれらをシミュレートできるように選択されている。 具体的には,地上および地上の衛星画像解析処理チェーンにおいて重要なステップの一つであるマルチスペクトル衛星画像における雲検出の問題にアプローチする。 ベンチマークのLandsat-8マルチスペクトルデータセット上で行った実験により、シミュレーションされたハイブリッドSVMは、大規模なデータセットのRBFカーネルと古典的なSVMに匹敵する精度で衛星画像の分類に成功していることがわかった。 興味深いことに、大規模なデータセットでは、単純な量子カーネルでも高い精度が観測され、量子の絡み合いが欠けていた。

関連論文リスト

• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• Benchmarking quantum machine learning kernel training for classification tasks [0.0]
  本研究は、分類タスクに焦点を当てた量子カーネル推定(QKE)と量子カーネルトレーニング(QKT)のベンチマーク研究を行う。 ZZFeatureMapとCovariantFeatureMapという2つの量子特徴写像がこの文脈で分析される。 実験結果から、量子法は異なるデータセット間で様々な性能を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-17T10:53:06Z)
• Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images [64.72242126879503]
  ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。 まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。 次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
  論文  参考訳（メタデータ） (2024-03-04T07:40:55Z)
• 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 Time Series Similarity Measures and Quantum Temporal Kernels [0.0]
  カーネルは、様々な類似性に基づく分類、クラスタリング、回帰アルゴリズムの重要なコンポーネントである。 本研究では、量子隠れマルコフモデル(QHMM)として知られる量子生成モデルが、その基礎となる分布を記述すると仮定する。 量子状態間のトレースやビュール距離などの分岐測度を用いて、シーケンス類似性を評価する。
  論文  参考訳（メタデータ） (2023-12-04T03:33:51Z)
• 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)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• Cloud Detection in Multispectral Satellite Images Using Support Vector Machines With Quantum Kernels [25.28650372879269]
  従来のSVMを量子カーネルで拡張し、衛星データ解析に適用することを検討する。 Landsat-8マルチスペクトルデータセットを用いて行った実験により、シミュレーションされたハイブリッドSVMが、従来のSVMと同等の精度で衛星画像の分類に成功したことが明らかになった。
  論文  参考訳（メタデータ） (2023-07-14T11:21:02Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Practical application improvement to Quantum SVM: theory to practice [0.9449650062296824]
  量子特徴写像を用いて、データを量子状態に変換し、これらの量子状態からSVMカーネルを構築する。 実験では,データセットの複雑さに関わらず,QSVMがSVMに対して等しく動作することを示す。
  論文  参考訳（メタデータ） (2020-12-14T17:19:17Z)

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。