論文の概要: Machine Learning in the Quantum Age: Quantum vs. Classical Support Vector Machines

• arxiv url: http://arxiv.org/abs/2310.10910v1
• Date: Tue, 17 Oct 2023 01:06:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 18:14:09.235841
• Title: Machine Learning in the Quantum Age: Quantum vs. Classical Support Vector Machines
• Title（参考訳）: 量子時代の機械学習: 量子対古典的サポートベクターマシン
• Authors: Davut Emre Tasar, Kutan Koruyan, Ceren Ocal Tasar
• Abstract要約: この研究は、古典的および量子計算パラダイムにおける機械学習アルゴリズムの有効性を判断する努力である。 我々は、Irisデータセット上で量子ハードウェアで動作する古典的なSVMと量子サポートベクトルマシンの分類技術を精査する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work endeavors to juxtapose the efficacy of machine learning algorithms within classical and quantum computational paradigms. Particularly, by emphasizing on Support Vector Machines (SVM), we scrutinize the classification prowess of classical SVM and Quantum Support Vector Machines (QSVM) operational on quantum hardware over the Iris dataset. The methodology embraced encapsulates an extensive array of experiments orchestrated through the Qiskit library, alongside hyperparameter optimization. The findings unveil that in particular scenarios, QSVMs extend a level of accuracy that can vie with classical SVMs, albeit the execution times are presently protracted. Moreover, we underscore that augmenting quantum computational capacity and the magnitude of parallelism can markedly ameliorate the performance of quantum machine learning algorithms. This inquiry furnishes invaluable insights regarding the extant scenario and future potentiality of machine learning applications in the quantum epoch. Colab: https://t.ly/QKuz0
• Abstract（参考訳）: この研究は、古典的および量子計算パラダイムにおける機械学習アルゴリズムの有効性を判断する努力である。 特に,SVM(Support Vector Machines)に着目して,Irisデータセット上の量子ハードウェア上で動作する古典的なSVMと量子サポートベクトルマシン(Quantum Support Vector Machines,QSVM)の分類技術を精査する。 この手法は、超パラメータ最適化とともに、Qiskitライブラリを通して編成された広範な実験をカプセル化する。 この結果から,特にQSVMでは,従来のSVMで動作可能な精度が向上していることがわかった。 さらに、量子計算能力の増強と並列性の大きさが量子機械学習アルゴリズムの性能を著しく改善できることを強調する。 この調査は、量子時代における機械学習応用の現在のシナリオと将来の可能性に関する貴重な洞察を提供する。 Colab: https://t.ly/QKuz0

関連論文リスト

• Quantum Machine Learning with Application to Progressive Supranuclear Palsy Network Classification [0.0]
  進行性核上麻痺(PSP)の診断のための量子機械学習モデルを提案する。 その結果、量子機械学習は古典的なフレームワークよりも顕著に進歩し、性能を上回っていることが示唆された。 特に,IBM量子プラットフォームの量子シミュレータと実チップの両面において,本モデルの有効性を実証した。
  論文  参考訳（メタデータ） (2024-07-06T14:16:31Z)
• Boosted Ensembles of Qubit and Continuous Variable Quantum Support Vector Machines for B Meson Flavour Tagging [0.7232471205719458]
  量子機械学習手法をB中間子タギングに適用する。 従来の量子ビットベースおよび連続変数アーキテクチャに基づく量子支援ベクトルマシンの高速化アンサンブルをシミュレートする。 古典的にシミュレート可能な状態を超えた連続変数QSVMが、さらに高い性能を実現することが可能であることを示す。
  論文  参考訳（メタデータ） (2023-05-04T11:04:06Z)
• A Single-Step Multiclass SVM based on Quantum Annealing for Remote Sensing Data Classification [26.80167258721593]
  本研究は,QMSVM(Quantum Multiclass SVM)と呼ばれる,量子アニールに基づく直接多クラス分類のための新しい量子SVMを提案する。 この研究の主な目的は、このアプローチの実現可能性、正確性、および時間性能を評価することである。 リモートセンシングデータの分類問題に対するD-Wave Advantage 量子アニールを用いた実験が実施されている。
  論文  参考訳（メタデータ） (2023-03-21T09:51:19Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• 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)
• 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)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)
• Quantum Support Vector Machines for Continuum Suppression in B Meson Decays [0.27342795342528275]
  古典的データを量子状態に変換するプロセスである異なる量子符号化回路が最終分類性能に与える影響について検討する。 本稿では、量子回路シミュレーションを用いて、0.848のAUC(Area Under Receiver Operating Characteristics Curve)の符号化手法を提案する。 データセットの縮小バージョンを使用して、IBM Quantum ibmq_casablancaデバイス上でアルゴリズムを実行し、平均AUCは0.703に達した。
  論文  参考訳（メタデータ） (2021-03-23T02:09:05Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• QEML (Quantum Enhanced Machine Learning): Using Quantum Computing to Enhance ML Classifiers and Feature Spaces [0.49841205356595936]
  機械学習と量子コンピューティングは、特定のアルゴリズムのパフォーマンスと振る舞いにパラダイムシフトを引き起こしている。 本稿ではまず,量子的特徴空間の実装に関する数学的直観について述べる。 従来のKNNの分類手法を模倣した雑音変動量子回路KNNを構築した。
  論文  参考訳（メタデータ） (2020-02-22T04:14:32Z)

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。