論文の概要: Quantum-inspired classification via efficient simulation of Helstrom measurement

• arxiv url: http://arxiv.org/abs/2403.15308v1
• Date: Fri, 22 Mar 2024 15:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-03-25 16:50:04.876290
• Title: Quantum-inspired classification via efficient simulation of Helstrom measurement
• Title（参考訳）: ヘルストロム測定の効率的なシミュレーションによる量子インスパイアされた分類
• Authors: Wooseop Hwang, Daniel K. Park, Israel F. Araujo, Carsten Blank,
• Abstract要約: ヘルストロム測定(HM)は、最小誤差で非直交量子状態を識別するための最適戦略として知られている。 本稿では,HMと状態忠実度の関係を利用して,任意のコピー数の効率的なシミュレーション手法を提案する。 本手法は,データコピー数に応じて分類性能が単調に向上しないことを示す。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Helstrom measurement (HM) is known to be the optimal strategy for distinguishing non-orthogonal quantum states with minimum error. Previously, a binary classifier based on classical simulation of the HM has been proposed. It was observed that using multiple copies of the sample data reduced the classification error. Nevertheless, the exponential growth in simulation runtime hindered a comprehensive investigation of the relationship between the number of copies and classification performance. We present an efficient simulation method for an arbitrary number of copies by utilizing the relationship between HM and state fidelity. Our method reveals that the classification performance does not improve monotonically with the number of data copies. Instead, it needs to be treated as a hyperparameter subject to optimization, achievable only through the method proposed in this work. We present a Quantum-Inspired Machine Learning binary classifier with excellent performance, providing such empirical evidence by benchmarking on eight datasets and comparing it with 13 hyperparameter optimized standard classifiers.
• Abstract（参考訳）: ヘルストロム測定(HM)は、最小誤差で非直交量子状態を識別するための最適戦略として知られている。 従来,HMの古典シミュレーションに基づくバイナリ分類器が提案されてきた。 サンプルデータの複数コピーを用いて分類誤差を低減した。 それでも、シミュレーションランタイムの指数的な成長は、コピー数と分類性能の関係を包括的に調査する妨げとなった。 本稿では,HMと状態忠実度の関係を利用して,任意のコピー数の効率的なシミュレーション手法を提案する。 本手法は,データコピー数に応じて分類性能が単調に向上しないことを示す。 代わりに、最適化対象のハイパーパラメータとして扱われる必要があり、この研究で提案された方法によってのみ達成できる。 本稿では、8つのデータセットをベンチマークし、13のハイパーパラメータ最適化標準分類器と比較することにより、優れた性能を持つ量子インスパイアされた機械学習バイナリ分類器を提案する。

関連論文リスト

• Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages [0.0]
  ADステージの効率的な分類のために量子ベース並列モデル(QBPM)アーキテクチャを提案する。 提案モデルは2つの異なる量子回路を用いており、それぞれに回転ブロックと絡み合いブロックが組み込まれ、同じ量子シミュレータ上で並列に動作する。 以上の結果から,QBPMアーキテクチャはアルツハイマー病などの複雑な疾患の段階を分類するための革新的で強力なアプローチであることが示唆された。
  論文  参考訳（メタデータ） (2026-01-28T01:26:30Z)
• Bifidelity Karhunen-Loève Expansion Surrogate with Active Learning for Random Fields [0.4899818550820576]
  本稿では、不確実な入力条件下で、フィールド値の利子(QoIs)に対する二元性カルフネン・ローブ拡張(KLE)サロゲートモデルを提案する。 我々は,サロゲートの一般化誤差に基づいて,新しいHF評価を適応的に選択する能動的学習戦略を形成する。 新しいHFサンプルは、高いサロゲート誤差の領域をターゲットとして、期待される改善基準を最大化することによって取得される。
  論文  参考訳（メタデータ） (2025-11-05T04:14:44Z)
• Shift Before You Learn: Enabling Low-Rank Representations in Reinforcement Learning [56.87989363424]
  シフトした後継尺度において,低ランク構造が自然に現れることを示す。 有効な低ランク近似と推定に必要なシフトの量を定量化する。
  論文  参考訳（メタデータ） (2025-09-05T15:48:20Z)
• Comparing Model-agnostic Feature Selection Methods through Relative Efficiency [8.870380386952993]
  本稿では,線形モデル,非線形加法モデル,単層ニューラルネットワークを模倣する単一インデックスモデルという3つのモデル設定の下で理論的比較を行う。 実験結果と合わせて, GCM関連手法が適切な規則性条件下でのLOCOよりも優れていたことが示唆された。 我々のシミュレーションと実データ分析には、ニューラルネットワークや勾配木などの機械学習手法が広く使われている。
  論文  参考訳（メタデータ） (2025-08-19T20:55:43Z)
• Adaptive Sampled Softmax with Inverted Multi-Index: Methods, Theory and Applications [79.53938312089308]
  MIDX-Samplerは、逆多重インデックスアプローチに基づく新しい適応型サンプリング戦略である。 本手法は, サンプリングバイアス, 勾配バイアス, 収束速度, 一般化誤差境界などの重要な問題に対処するため, 厳密な理論的解析によって裏付けられている。
  論文  参考訳（メタデータ） (2025-01-15T04:09:21Z)
• Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
  データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。 科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。 本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
  本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
  論文  参考訳（メタデータ） (2024-10-28T04:47:39Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Accurate Discharge Coefficient Prediction of Streamlined Weirs by Coupling Linear Regression and Deep Convolutional Gated Recurrent Unit [2.4475596711637433]
  本研究では,CFDシミュレーションに代わるデータ駆動モデリング手法を提案する。 提案した3層階層型DLアルゴリズムは,後続の2つのGRUレベルを結合した畳み込み層で構成されており,LR法とハイブリダイゼーションすることで,誤差の低減につながることがわかった。
  論文  参考訳（メタデータ） (2022-04-12T01:59:36Z)
• Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
  特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。 我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
  論文  参考訳（メタデータ） (2021-10-03T05:38:49Z)
• Recent advances in Bayesian optimization with applications to parameter reconstruction in optical nano-metrology [0.0]
  光ナノメートル法では 再構築が一般的な問題です 本稿では,2つのアプローチを組み合わせたベイズ目標ベクトル最適化手法を提案する。 提案手法は一般に、類似の再構成性能を達成するために、競合するどのスキームよりもモデル関数の呼び出しが少ないことが判明した。
  論文  参考訳（メタデータ） (2021-07-12T15:32:15Z)
• Gaussian Mixture Reduction with Composite Transportation Divergence [15.687740538194413]
  複合輸送分散(CTD)に基づく新しい最適化型GMR法を提案する。 我々は,還元混合物を計算し,その理論的収束を確立するための最大化最小化アルゴリズムを開発した。 統合されたフレームワークにより、CTDの最も適切なコスト関数を選択して、優れたパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2020-02-19T19:52:17Z)
• Asymmetric Correlation Quantization Hashing for Cross-modal Retrieval [11.988383965639954]
  クロスモーダルハッシュ法は異種モダリティ間の類似性検索において広く注目を集めている。 本稿では,ACQH法について述べる。 また,不均一なモダリティデータポイントのプロジェクション行列を学習し,クエリを潜在意味空間内の低次元実数値ベクトルに変換する。 学習された実数値コードワードの連続でデータベースポイントを示すために、粗大な方法で埋め込みを積み重ねた合成量子化を構成する。
  論文  参考訳（メタデータ） (2020-01-14T04:53:30Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。