Fugu-MT 論文翻訳(概要): Hybrid Quantum-Classical Machine Learning for Sentiment Analysis

論文の概要: Hybrid Quantum-Classical Machine Learning for Sentiment Analysis

arxiv url: http://arxiv.org/abs/2310.10672v1
Date: Sun, 8 Oct 2023 05:45:22 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 02:19:54.673735
Title: Hybrid Quantum-Classical Machine Learning for Sentiment Analysis
Title（参考訳）: 感情分析のためのハイブリッド量子古典機械学習
Authors: Abu Kaisar Mohammad Masum, Anshul Maurya, Dhruthi Sridhar Murthy, Pratibha, Naveed Mahmud
Abstract要約: 本稿では,ハイブリッド量子古典機械学習アルゴリズムを用いた感情分析手法を提案する。提案手法は英語とベンガル語に基づく2つの異なるデータセットを用いて評価される。
参考スコア（独自算出の注目度）: 0.6249768559720122
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The collaboration between quantum computing and classical machine learning offers potential advantages in natural language processing, particularly in the sentiment analysis of human emotions and opinions expressed in large-scale datasets. In this work, we propose a methodology for sentiment analysis using hybrid quantum-classical machine learning algorithms. We investigate quantum kernel approaches and variational quantum circuit-based classifiers and integrate them with classical dimension reduction techniques such as PCA and Haar wavelet transform. The proposed methodology is evaluated using two distinct datasets, based on English and Bengali languages. Experimental results show that after dimensionality reduction of the data, performance of the quantum-based hybrid algorithms were consistent and better than classical methods.
Abstract（参考訳）: 量子コンピューティングと古典的機械学習のコラボレーションは、自然言語処理、特に大規模なデータセットで表現された人間の感情や意見の感情分析において潜在的な利点を提供する。本研究では,量子古典型ハイブリッド機械学習アルゴリズムを用いた感情分析手法を提案する。量子カーネルのアプローチと変分量子回路に基づく分類法を調査し、それらをpcaやハールウェーブレット変換のような古典的次元減少技術と統合する。提案手法は英語とベンガル語に基づく2つの異なるデータセットを用いて評価される。実験の結果,データの次元化後,量子ハイブリッドアルゴリズムの性能は古典的手法よりも一貫性があり良好であった。

関連論文リスト

Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか? 我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文参考訳（メタデータ） (2024-08-22T08:21:28Z)
Hybrid Quantum-Classical Machine Learning with String Diagrams [49.1574468325115]
本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
論文参考訳（メタデータ） (2024-07-04T06:37:16Z)
Understanding the effects of data encoding on quantum-classical convolutional neural networks [0.0]
量子化法の主要な構成要素は、古典的なデータを量子状態に埋め込むために使用されるデータ符号化戦略である。本研究では、2つの医用画像データセット上での量子古典的畳み込みニューラルネットワーク(QCCNN)の性能に与える影響について検討する。
論文参考訳（メタデータ） (2024-05-05T18:44:08Z)
Quantum Data Encoding: A Comparative Analysis of Classical-to-Quantum Mapping Techniques and Their Impact on Machine Learning Accuracy [0.0]
本研究では,古典的機械学習(ML)アルゴリズムへの量子データ埋め込み技術の統合について検討する。その結果,量子データの埋め込みは,分類精度とF1スコアの向上に寄与することが判明した。
論文参考訳（メタデータ） (2023-11-17T08:00:08Z)
Pooling techniques in hybrid quantum-classical convolutional neural networks [0.0]
2次元医用画像の分類のためのハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)におけるプーリング手法の詳細な研究を行う。プールのない等価な古典モデルやQCCNNと比較すると,類似性や性能が向上する。 QCCNNにおけるアーキテクチャの選択を、将来のアプリケーションのためにより深く研究することを約束している。
論文参考訳（メタデータ） (2023-05-09T16:51:46Z)
The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
論文参考訳（メタデータ） (2022-12-22T16:06:24Z)
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 algorithms for quantum dynamics: A performance study on the spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文参考訳（メタデータ） (2021-08-09T18:00:05Z)
Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文参考訳（メタデータ） (2021-06-22T18:00:00Z)
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
論文参考訳（メタデータ） (2020-10-14T18:05:49Z)
Event Classification with Quantum Machine Learning in High-Energy Physics [0.6291443816903801]
本稿では、機械学習を利用した量子アルゴリズムの研究を行い、背景イベントから興味のある事象を分類する。入力データの性質を学習するための変分量子アプローチに着目する。我々は,シミュレータと量子コンピューティングデバイスの両方を用いて,事象分類の性能を評価する。
論文参考訳（メタデータ） (2020-02-23T16:30:33Z)

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。