論文の概要: Quantum-Based Feature Selection for Multi-classification Problem in
Complex Systems with Edge Computing
- arxiv url: http://arxiv.org/abs/2310.01443v1
- Date: Sun, 1 Oct 2023 03:57:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 19:59:22.530545
- Title: Quantum-Based Feature Selection for Multi-classification Problem in
Complex Systems with Edge Computing
- Title（参考訳）: エッジコンピューティングを伴う複雑系における多重分類問題に対する量子ベースの特徴選択
- Authors: Wenjie Liu, Junxiu Chen, Yuxiang Wang, Peipei Gao, Zhibin Lei, and Xu
Ma
- Abstract要約: マルチクラス化問題,すなわちQReliefFに対する量子ベースの特徴選択アルゴリズムを提案する。
我々のアルゴリズムは、O(M) から O(sqrt(M)) への複雑さを減らし、最も近い隣人を見つけるのに優れている。
- 参考スコア（独自算出の注目度）: 15.894122816099133
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The complex systems with edge computing require a huge amount of
multi-feature data to extract appropriate insights for their decision making,
so it is important to find a feasible feature selection method to improve the
computational efficiency and save the resource consumption. In this paper, a
quantum-based feature selection algorithm for the multi-classification problem,
namely, QReliefF, is proposed, which can effectively reduce the complexity of
algorithm and improve its computational efficiency. First, all features of each
sample are encoded into a quantum state by performing operations CMP and R_y,
and then the amplitude estimation is applied to calculate the similarity
between any two quantum states (i.e., two samples). According to the
similarities, the Grover-Long method is utilized to find the nearest k neighbor
samples, and then the weight vector is updated. After a certain number of
iterations through the above process, the desired features can be selected with
regards to the final weight vector and the threshold {\tau}. Compared with the
classical ReliefF algorithm, our algorithm reduces the complexity of similarity
calculation from O(MN) to O(M), the complexity of finding the nearest neighbor
from O(M) to O(sqrt(M)), and resource consumption from O(MN) to O(MlogN).
Meanwhile, compared with the quantum Relief algorithm, our algorithm is
superior in finding the nearest neighbor, reducing the complexity from O(M) to
O(sqrt(M)). Finally, in order to verify the feasibility of our algorithm, a
simulation experiment based on Rigetti with a simple example is performed.
- Abstract（参考訳）: エッジコンピューティングの複雑なシステムでは、意思決定に適切な洞察を抽出するために大量の多機能データを必要とするため、計算効率の向上と資源消費の削減のために、実現可能な特徴選択方法を見つけることが重要である。
本稿では,マルチクラス化問題,すなわちQReliefFに対する量子ベースの特徴選択アルゴリズムを提案し,アルゴリズムの複雑さを効果的に低減し,計算効率を向上させる。
まず、各サンプルのすべての特徴をCMPおよびR_y演算によって量子状態に符号化し、次に振幅推定を適用して2つの量子状態(すなわち2つのサンプル)の類似性を計算する。
類似性により、Grover-Long法は最も近いk個のサンプルを見つけるために使われ、次に重みベクトルを更新する。
上記の過程を通じて一定の回数の反復を行った後、最終的な重みベクトルとしきい値 {\tau} に関して所望の特徴を選択できる。
従来のReliefFアルゴリズムと比較して,O(MN)からO(M)への類似性計算の複雑さ,O(M)からO(sqrt(M))への近辺探索の複雑さ,O(MN)からO(MlogN)への資源消費を低減させる。
一方、量子Reliefアルゴリズムと比較して、我々のアルゴリズムは、O(M) から O(sqrt(M)) への複雑さを減らし、最も近い隣人を見つけるのに優れている。
最後に,本アルゴリズムの実現可能性を検証するために,簡単な例によるリゲッティに基づくシミュレーション実験を行う。
関連論文リスト
- A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。
提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
論文 参考訳（メタデータ） (2024-09-07T06:37:23Z) - Variational Quantum Algorithms for the Allocation of Resources in a Cloud/Edge Architecture [1.072460284847973]
変分量子アルゴリズムは, 近い将来, 古典的アルゴリズムの代替となる可能性が示唆された。
特に、2つのアルゴリズム、すなわち量子近似最適化アルゴリズム(QAOA)と変分量子固有解器(VQE)の性能を比較した。
シミュレーション実験は、クラウドと2つのエッジノードを含む %CM230124 の単純な問題に対して実施され、VQE アルゴリズムは、検索空間を制限できる適切な回路テクスタイタンサッチを備えている場合に、より良い性能を保証することを示す。
論文 参考訳（メタデータ） (2024-01-25T17:37:40Z) - Quantum Search Approaches to Sampling-Based Motion Planning [0.0]
本稿では,従来のサンプリング型モーションプランナを,量子探索アルゴリズムを用いて解くことのできるデータベース・オーラル構造として,新しい定式化を提案する。
より単純なスパース環境では、量子完全経路探索アルゴリズム (Quantum Full Path Search Algorithm, Q-FPS) を定式化し、完全なランダムパス解の重ね合わせを生成する。
密集した非構造環境において、親子接続の量子重ね合わせを生成する量子高速探索ランダムツリーアルゴリズム q-RRT を定式化する。
論文 参考訳（メタデータ） (2023-04-10T19:12:25Z) - 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) - Ising formulation of integer optimization problems for utilizing quantum
annealing in iterative improvement strategy [1.14219428942199]
繰り返し改善戦略において量子アニーリングを利用するために,整数最適化問題のイジング定式化を提案する。
基底状態と候補解との重なりがしきい値を超えた場合, 完全に連結されたフェロポッツモデルに対して一階相転移を回避できることを解析的に示す。
論文 参考訳（メタデータ） (2022-11-08T02:12:49Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳（メタデータ） (2022-03-01T19:47:16Z) - 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 Simulated Annealing Algorithm for Joint Stratification and Sample
Allocation Designs [0.0]
本研究は, 模擬焼鈍とデルタ評価を組み合わせることで, 接合層化および試料配置問題の解法である。
この問題では、原子層は互いに排他的で総括的に全能的な層に分割される。
可能な解のベル数は、適度な数の原子層でさえも巨大であり、各解の評価時間とともに、さらなる複雑さの層が加えられる。
論文 参考訳（メタデータ） (2020-11-25T20:27:49Z) - 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) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - Quantum Relief Algorithm [12.599184944451833]
リリーフアルゴリズム(Relief algorithm)は、Kira と Rendell によって提案された二項分類における特徴選択アルゴリズムである。
Reliefアルゴリズム(quantum Relief algorithm)と呼ばれるReliefアルゴリズムに基づく量子特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-01T10:18:34Z)
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。