Fugu-MT 論文翻訳(概要): Sequential minimum optimization algorithm with small sample size estimators

論文の概要: Sequential minimum optimization algorithm with small sample size estimators

arxiv url: http://arxiv.org/abs/2303.00992v1
Date: Thu, 2 Mar 2023 06:02:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-03 15:52:06.197636
Title: Sequential minimum optimization algorithm with small sample size estimators
Title（参考訳）: サンプルサイズ推定器を用いた逐次最小最適化アルゴリズム
Authors: Wojciech Roga, Takafumi Ono, Masahiro Takeoka
Abstract要約: 逐次最小最適化は、機械学習のグローバル検索訓練アルゴリズムである。本手法をフォトニクス回路に適用することにより,偶然事象の頻度の低さがアルゴリズムの速度を低下させるという新たな課題が生じる。
参考スコア（独自算出の注目度）: 0.06445605125467573
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Sequential minimum optimization is a machine-learning global search training algorithm. It is applicable when the functional dependence of the cost function on a tunable parameter given the other parameters can be cheaply determined. This assumption is satisfied by quantum circuits built of known gates. We apply it to photonics circuits where the additional challenge appears: low frequency of coincidence events lowers the speed of the algorithm. We propose to modify the algorithm such that small sample size estimators are enough to successfully run the machine learning task. We demonstrate the effectiveness of the modified algorithm applying it to a quantum optics classifier with data reuploading.
Abstract（参考訳）: 逐次最小最適化は、機械学習のグローバル検索訓練アルゴリズムである。他のパラメータが与えられたチューナブルパラメータに対するコスト関数の機能的依存性を安価に決定できる場合に適用できる。この仮定は既知のゲートからなる量子回路によって満たされる。本手法をフォトニクス回路に適用することにより,偶然事象の頻度の低さがアルゴリズムの速度を低下させる。機械学習タスクをうまく実行するのに十分なサンプルサイズ推定器を小型化するアルゴリズムを提案する。データ再アップロードを伴う量子光学分類器に適用した修正アルゴリズムの有効性を実証する。

関連論文リスト

An optimized quantum minimum searching algorithm with sure-success probability and its experiment simulation with Cirq [4.987556615430226]
本稿では,確実な確率で最適化された量子最小探索アルゴリズムを提案する。性能評価の結果,本アルゴリズムはDHAアルゴリズムよりも精度と効率が高いことがわかった。
論文参考訳（メタデータ） (2023-09-25T14:07:27Z)
Quantum speedup of leverage score sampling and its application [0.0]
本稿では,レバレッジスコアの計算を高速化する量子アルゴリズムを提案する。応用として,ベクトル解出力を用いた剛性回帰問題に対する新しい量子アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-15T14:40:18Z)
Efficient algorithms to solve atom reconfiguration problems. II. The assignment-rerouting-ordering (aro) algorithm [51.02512563152503]
原子再構成問題は原子の問題を迅速かつ効率的に解く必要がある。原子再構成問題を解決する典型的なアプローチは、どの原子をどのトラップに移動させるかを決定する代入アルゴリズムを使用することである。このアプローチは、置換原子の数や各原子が置換される回数を最適化しない。原子再構成問題の解法において,代入型アルゴリズムの性能を向上させるために,代入型順序付けアルゴリズム(aro)を提案する。
論文参考訳（メタデータ） (2022-12-11T19:48:25Z)
Gradient-Free optimization algorithm for single-qubit quantum classifier [0.3314882635954752]
量子デバイスによるバレンプラトーの影響を克服するために、勾配のない最適化アルゴリズムを提案する。提案アルゴリズムは分類タスクに対して実証され,Adamを用いた手法と比較される。提案アルゴリズムはAdamよりも高速に精度を向上できる。
論文参考訳（メタデータ） (2022-05-10T08:45:03Z)
Fast optimal structures generator for parameterized quantum circuits [4.655660925754175]
現在の構造最適化アルゴリズムは、変分量子アルゴリズム(VQA)の新しいタスクごとにスクラッチから量子回路の構造を最適化する本稿では,量子ゲート数を自動的に決定し,新しいタスクに最適な構造を直接生成する,VQAの高速構造最適化アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-01-10T12:19:37Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。最先端アルゴリズムの利点を論じ、解説する。
論文参考訳（メタデータ） (2020-09-28T15:22:24Z)
Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文参考訳（メタデータ） (2020-09-15T18:17:27Z)
Exploiting Higher Order Smoothness in Derivative-free Optimization and Continuous Bandits [99.70167985955352]
強凸関数のゼロ次最適化問題について検討する。予測勾配降下アルゴリズムのランダム化近似を考察する。その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
論文参考訳（メタデータ） (2020-06-14T10:42:23Z)
Learning with Optimized Random Features: Exponential Speedup by Quantum Machine Learning without Sparsity and Low-Rank Assumptions [8.08640000394814]
我々は,実行時特性を最適化した分布からサンプリングする量子アルゴリズムを開発した。我々のアルゴリズムは、このサンプリングタスクの既知の古典的アルゴリズムと比較して、D$の指数的な高速化を実現している。
論文参考訳（メタデータ） (2020-04-22T18:00:00Z)

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。