論文の概要: Quantum Algorithm for Unsupervised Anomaly Detection

• arxiv url: http://arxiv.org/abs/2304.08710v1
• Date: Tue, 18 Apr 2023 03:20:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 16:03:14.269725
• Title: Quantum Algorithm for Unsupervised Anomaly Detection
• Title（参考訳）: 教師なし異常検出のための量子アルゴリズム
• Authors: MingChao Guo, ShiJie Pan, WenMin Li, Fei Gao, SuJuan Qin, XiaoLing Yu, XuanWen Zhang, QiaoYan Wen
• Abstract要約: 不正検出、医療侵入検出、軍事監視などにおいて、異常検出は重要な役割を果たす。 Local Outlier Factor Algorithm (LOF algorithm) は広く研究されている。 ここでは古典的アルゴリズムに対応する3つの部分からなる量子LOFアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 5.4335077019052145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anomaly detection, an important branch of machine learning, plays a critical role in fraud detection, health care, intrusion detection, military surveillance, etc. As one of the most commonly used unsupervised anomaly detection algorithms, the Local Outlier Factor algorithm (LOF algorithm) has been extensively studied. This algorithm contains three steps, i.e., determining the k-distance neighborhood for each data point x, computing the local reachability density of x, and calculating the local outlier factor of x to judge whether x is abnormal. The LOF algorithm is computationally expensive when processing big data sets. Here we present a quantum LOF algorithm consisting of three parts corresponding to the classical algorithm. Specifically, the k-distance neighborhood of x is determined by amplitude estimation and minimum search; the local reachability density of each data point is calculated in parallel based on the quantum multiply-adder; the local outlier factor of each data point is obtained in parallel using amplitude estimation. It is shown that our quantum algorithm achieves exponential speedup on the dimension of the data points and polynomial speedup on the number of data points compared to its classical counterpart. This work demonstrates the advantage of quantum computing in unsupervised anomaly detection.
• Abstract（参考訳）: 機械学習の重要な分野である異常検出は、不正検出、医療、侵入検知、軍事監視などにおいて重要な役割を果たす。 最もよく使われている教師なし異常検出アルゴリズムとして、LoFアルゴリズム(Local Outlier Factor Algorithm)が広く研究されている。 このアルゴリズムは、3つのステップ、すなわち各データポイント x の k-距離近傍を決定し、x の局所到達率密度を計算し、x が異常かどうかを判定するために x の局所アウトリーチ係数を計算する。 LOFアルゴリズムは、ビッグデータを処理する際に計算コストがかかる。 ここでは古典的アルゴリズムに対応する3つの部分からなる量子LOFアルゴリズムを提案する。 具体的には、振幅推定と最小探索によってxのk距離近傍を判定し、量子乗算加算器に基づいて各データ点の局所到達可能性密度を並列に計算し、振幅推定を用いて各データ点の局所的外れ係数を並列に求める。 量子アルゴリズムは,データ点の次元における指数関数的な速度アップと,従来のデータ点数に対する多項式の速度アップを達成していることが示された。 この研究は、教師なし異常検出における量子コンピューティングの利点を示す。

関連論文リスト

• Unsupervised anomaly detection algorithms on real-world data: how many do we need? [1.4610038284393165]
  この研究は、これまでで最大の教師なし異常検出アルゴリズムの比較である。 ローカルデータセットでは、$k$NN ($k$-nearest neighbor)アルゴリズムがトップに表示される。 グローバルデータセットでは、EDF(extended isolation forest)アルゴリズムが最善を尽くしている。
  論文  参考訳（メタデータ） (2023-05-01T09:27:42Z)
• Encoding of data sets and algorithms [0.0]
  多くの高インパクトアプリケーションにおいて、機械学習アルゴリズムの出力品質を保証することが重要である。 我々は、ある指標の観点から、どのモデルが互いに近いかを決定するために、数学的に厳密な理論を開始した。 このグリッドに作用する所定のしきい値メートル法は、それぞれのアルゴリズムと関心のデータセットから、任意のアプリケーションに近接性(または統計的距離)を表現します。
  論文  参考訳（メタデータ） (2023-03-02T05:29:27Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• NISQ-friendly measurement-based quantum clustering algorithms [0.7373617024876725]
  2つの新しい測定に基づく量子クラスタリングアルゴリズムが提案されている。 第1のアルゴリズムは分割的なアプローチに従っており、第2のアルゴリズムはアンシャープの測定に基づいている。 どちらのアルゴリズムも本質的に単純であり、実装が容易であり、ノイズの多い中間量子コンピュータに適している。
  論文  参考訳（メタデータ） (2023-02-01T16:38:27Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Quantum clustering and jet reconstruction at the LHC [0.0]
  CERNのLarge Hadron Colliderでのジェットクラスタリングは計算コストが高い。 古典ジェットクラスタリングアルゴリズムを高速化する2つの新しい量子アルゴリズムを考える。
  論文  参考訳（メタデータ） (2022-04-13T16:27:04Z)
• Benchmarking Small-Scale Quantum Devices on Computing Graph Edit Distance [52.77024349608834]
  グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。 本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
  論文  参考訳（メタデータ） (2021-11-19T12:35:26Z)
• Quantum algorithms for anomaly detection using amplitude estimation [5.20363732303968]
  密度推定に基づく異常検出アルゴリズム(ADDEアルゴリズム)は広く使われているアルゴリズムの1つである。 本稿では振幅推定に基づく新しい量子ADDEアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-28T15:47:56Z)
• 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)
• A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
  本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。 エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。 これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2020-09-15T17:28:42Z)

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。