論文の概要: Learning Restricted Boltzmann Machines with greedy quantum search

• arxiv url: http://arxiv.org/abs/2309.14196v1
• Date: Mon, 25 Sep 2023 14:56:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 15:10:32.557730
• Title: Learning Restricted Boltzmann Machines with greedy quantum search
• Title（参考訳）: 欲望量子探索を用いたボルツマン機械の学習
• Authors: Liming Zhao, Aman Agrawal, and Patrick Rebentrost
• Abstract要約: 我々は、量子コンピューティング領域の範囲を拡大し、この問題に対する対応する量子アルゴリズムを提案する。 本研究は,提案した量子アルゴリズムが,これらの2種類のRBMの構造を学習するための古典的アルゴリズムと比較して高速化されることを示す。
• 参考スコア（独自算出の注目度）: 2.98017021422101
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Restricted Boltzmann Machines (RBMs) are widely used probabilistic undirected graphical models with visible and latent nodes, playing an important role in statistics and machine learning. The task of structure learning for RBMs involves inferring the underlying graph by using samples from the visible nodes. Specifically, learning the two-hop neighbors of each visible node allows for the inference of the graph structure. Prior research has addressed the structure learning problem for specific classes of RBMs, namely ferromagnetic and locally consistent RBMs. In this paper, we extend the scope to the quantum computing domain and propose corresponding quantum algorithms for this problem. Our study demonstrates that the proposed quantum algorithms yield a polynomial speedup compared to the classical algorithms for learning the structure of these two classes of RBMs.
• Abstract（参考訳）: 制限ボルツマンマシン(RBM)は可視および潜在ノードを持つ確率的非指向的グラフィカルモデルとして広く用いられ、統計学や機械学習において重要な役割を果たしている。 rbmsの構造学習のタスクは、可視ノードからのサンプルを使用して基礎となるグラフを推論することである。 具体的には、各可視ノードの2つのホップ近傍を学習することで、グラフ構造の推論が可能になる。 これまでの研究では、強磁性と局所的に一貫したRBMの特定のクラスに対する構造学習の問題に対処してきた。 本稿では、この範囲を量子コンピューティング領域に拡張し、この問題に対する対応する量子アルゴリズムを提案する。 提案する量子アルゴリズムは,これら2種類のrbmsの構造を学習するための古典的アルゴリズムと比較して,多項式の高速化をもたらすことを実証する。

関連論文リスト

• 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)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Quantum algorithm for Markov Random Fields structure learning by information theoretic properties [5.263910852465186]
  本稿では,量子コンピュータ上でのマルコフランダム場の構造学習のための量子アルゴリズムを提案する。 我々の研究は、機械学習のいくつかの問題を解く際に、古典的な計算よりも量子計算の利点を実証するものである。
  論文  参考訳（メタデータ） (2022-08-24T09:00:56Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• MGAE: Masked Autoencoders for Self-Supervised Learning on Graphs [55.66953093401889]
  Masked Graph Autoencoder (MGAE) フレームワークは、グラフ構造データの効果的な学習を行う。 自己指導型学習から洞察を得て、私たちはランダムに大量のエッジを隠蔽し、トレーニング中に欠落したエッジを再構築しようとします。
  論文  参考訳（メタデータ） (2022-01-07T16:48:07Z)
• 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)
• Boltzmann machines as two-dimensional tensor networks [7.041258064903578]
  RBMとDBMは正確に2次元テンソルネットワークとして表現できることを示す。 この表現は、RBMとDBMの表現力の理解を与える。 また、RBMとDBMの計算分割関数に対する効率的なテンソルネットワーク収縮アルゴリズムも提供する。
  論文  参考訳（メタデータ） (2021-05-10T06:14:49Z)
• On the mapping between Hopfield networks and Restricted Boltzmann Machines [0.0]
  ホップフィールドネットワーク(HN)と制限ボルツマンマシン(RBM)の正確なマッピングを示す。 逆写像が存在する条件を概説し、MNISTデータセット上で実験を行う。 本稿では,拡張性,RBMの訓練におけるこの対応の重要性,およびRBMを利用した深層建築の性能の理解について論じる。
  論文  参考訳（メタデータ） (2021-01-27T23:49:48Z)
• Exact representations of many body interactions with RBM neural networks [77.34726150561087]
  我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。 この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
  論文  参考訳（メタデータ） (2020-05-07T15:59:29Z)

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。