Fugu-MT 論文翻訳(概要): On Neural Quantum Support Vector Machines

論文の概要: On Neural Quantum Support Vector Machines

arxiv url: http://arxiv.org/abs/2308.08467v2
Date: Fri, 24 Nov 2023 14:52:05 GMT
ステータス: 処理完了
システム内更新日: 2023-11-28 03:41:14.359565
Title: On Neural Quantum Support Vector Machines
Title（参考訳）: ニューラル量子支援ベクトルマシンについて
Authors: Lars Simon and Manuel Radons
Abstract要約: citesimon2023algorithmsでは、ニューラルサポートベクターマシン(NSVM)のトレーニングのための4つのアルゴリズムを導入し、その実現可能性を示した。本稿では、量子カーネルを持つNSVMというニューラルネットワーク支援ベクトルマシンを導入し、その結果をこの設定に拡張する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In \cite{simon2023algorithms} we introduced four algorithms for the training of neural support vector machines (NSVMs) and demonstrated their feasibility. In this note we introduce neural quantum support vector machines, that is, NSVMs with a quantum kernel, and extend our results to this setting.
Abstract（参考訳）: cite{simon2023algorithms}では、ニューラルサポートベクターマシン(nsvm)のトレーニングのための4つのアルゴリズムを導入し、その実現可能性を示した。本稿では、ニューラル量子サポートベクターマシン、すなわち量子カーネルを持つnsvmを紹介し、その結果をこの設定に拡張する。

関連論文リスト

Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文参考訳（メタデータ） (2024-06-17T18:20:51Z)
An Independent Implementation of Quantum Machine Learning Algorithms in Qiskit for Genomic Data [12.248184406275405]
我々は,QISVC(Quantum Support Vector),QSV(Pegasosational Quantum Circuits),QNN(Quantum Neural Networks)などのアルゴリズムを拡張した。
論文参考訳（メタデータ） (2024-05-16T03:00:41Z)
Algorithms for the Training of Neural Support Vector Machines [0.0]
我々は,ペガソスアルゴリズムを利用したNSVMのためのトレーニングアルゴリズムのセットを導入し,標準的な機械学習タスクの集合を解くことによって概念実証を行う。
論文参考訳（メタデータ） (2023-08-14T15:16:39Z)
EQuaTE: Efficient Quantum Train Engine for Dynamic Analysis via HCI-based Visual Feedback [17.100001959561144]
EQuaTEは勾配のばらつきをプロットして、量子ニューラルネットワーク(QNN)が局所的なミニマ(QNNではバレンプラトーと呼ばれる)に落ちるかどうかをチェックする私たちのEQuaTEはHCIベースの視覚フィードバックを実現しています。なぜなら、ソフトウェアエンジニアはビジュアライゼーションによって不毛の高原を認識でき、またこの情報に基づいてQNNを修正できるからです。
論文参考訳（メタデータ） (2023-02-08T03:05:59Z)
Towards Neural Variational Monte Carlo That Scales Linearly with System Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文参考訳（メタデータ） (2022-12-21T19:00:04Z)
QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文参考訳（メタデータ） (2022-11-09T21:43:16Z)
quEEGNet: Quantum AI for Biosignal Processing [16.42183040840934]
生体信号処理アプリケーションのための古典的なディープラーニング手法を支援するために,新しい量子機械学習(QML)フレームワークを導入する。本稿では、変動量子回路(VQC)を脳波(EEG)、筋電図(EMG)、脳波(ECoG)分析のためのディープニューラルネットワーク(DNN)に統合するハイブリッド量子古典ニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-09-29T01:59:24Z)
QONNX: Representing Arbitrary-Precision Quantized Neural Networks [49.10245225120615]
我々は、任意の精度の量子化ニューラルネットワークを表現するために、Open Neural Network Exchange (ONNX) 中間表現フォーマットを拡張した。まず、整数クリッピングを利用して、既存のONNXベースの量子化フォーマットで低精度量子化をサポートする。次に、量子化ONNX(QONNX)と呼ばれる新しい高レベルのONNXフォーマットを導入し、3つの新しい演算子(Quant、BipolarQuant、Trunc)を導入する。
論文参考訳（メタデータ） (2022-06-15T13:18:00Z)
Quantum reservoir computing using arrays of Rydberg atoms [1.2652031472297414]
我々は、脳内の神経回路のよく知られたモデルであるリカレントニューラルネットワーク(RNN)の量子バージョンを紹介する。我々の量子RNN(qRNN)は、相互作用するスピン-1/2粒子のアンサンブルの自然ハミルトン力学を計算の手段として利用する。我々は、qRNNがマルチタスク、意思決定、長期記憶などの認知的タスクの学習を複製できることを実際に示している。
論文参考訳（メタデータ） (2021-11-22T02:45:18Z)
QTN-VQC: An End-to-End Learning framework for Quantum Neural Networks [71.14713348443465]
可変量子回路(VQC)上に量子埋め込みを行うためのトレーニング可能な量子テンソルネットワーク(QTN)を導入する。 QTNは、量子埋め込みの生成から出力測定まで、エンドツーエンドのパラメトリックモデルパイプライン、すなわちQTN-VQCを可能にする。 MNISTデータセットに対する我々の実験は、他の量子埋め込み手法に対する量子埋め込みに対するQTNの利点を実証している。
論文参考訳（メタデータ） (2021-10-06T14:44:51Z)
Entanglement Classification via Neural Network Quantum States [58.720142291102135]
本稿では、学習ツールと量子絡み合いの理論を組み合わせて、純状態における多部量子ビット系の絡み合い分類を行う。我々は、ニューラルネットワーク量子状態(NNS)として知られる制限されたボルツマンマシン(RBM)アーキテクチャにおいて、人工ニューラルネットワークを用いた量子システムのパラメータ化を用いる。
論文参考訳（メタデータ） (2019-12-31T07:40:23Z)

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。