論文の概要: Quantum Patch-Based Autoencoder for Anomaly Segmentation

• arxiv url: http://arxiv.org/abs/2404.17613v1
• Date: Fri, 26 Apr 2024 08:42:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 20:00:20.379686
• Title: Quantum Patch-Based Autoencoder for Anomaly Segmentation
• Title（参考訳）: 量子パッチによる異常セグメンテーションのためのオートエンコーダ
• Authors: Maria Francisca Madeira, Alessandro Poggiali, Jeanette Miriam Lorenz,
• Abstract要約: 画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。 QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。 複数のデータセットとパラメータ構成でその性能を評価する。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantum Machine Learning investigates the possibility of quantum computers enhancing Machine Learning algorithms. Anomaly segmentation is a fundamental task in various domains to identify irregularities at sample level and can be addressed with both supervised and unsupervised methods. Autoencoders are commonly used in unsupervised tasks, where models are trained to reconstruct normal instances efficiently, allowing anomaly identification through high reconstruction errors. While quantum autoencoders have been proposed in the literature, their application to anomaly segmentation tasks remains unexplored. In this paper, we introduce a patch-based quantum autoencoder (QPB-AE) for image anomaly segmentation, with a number of parameters scaling logarithmically with patch size. QPB-AE reconstructs the quantum state of the embedded input patches, computing an anomaly map directly from measurement through a SWAP test without reconstructing the input image. We evaluate its performance across multiple datasets and parameter configurations and compare it against a classical counterpart.
• Abstract（参考訳）: 量子機械学習は、機械学習アルゴリズムを強化する量子コンピュータの可能性を調べる。 異常セグメンテーション(英: Anomaly segmentation)は、様々な領域において、サンプルレベルで不規則を識別するための基本的なタスクであり、教師なしと教師なしの両方の手法で対処できる。 オートエンコーダは教師なしのタスクで一般的に使われ、モデルが通常のインスタンスを効率的に再構築するために訓練され、高い再構成エラーによる異常識別が可能である。 量子オートエンコーダは文献で提案されているが、それらの異常セグメンテーションタスクへの応用は未解明のままである。 本稿では、パッチサイズと対数的にスケールするパラメータを多数有する、画像異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。 QPB-AEは、組込み入力パッチの量子状態を再構成し、入力イメージを再構成することなくSWAPテストを通じて測定から直接異常マップを演算する。 複数のデータセットとパラメータ構成でその性能を評価し,従来のものと比較した。

関連論文リスト

• Applying Quantum Autoencoders for Time Series Anomaly Detection [1.4732811715354452]
  異常検出は、不正検出、パターン認識、医療診断など、様々な分野の応用において重要な問題である。 本稿では,量子オートエンコーダの時系列異常検出への応用について検討する。
  論文  参考訳（メタデータ） (2024-10-05T13:29:25Z)
• Quantum support vector data description for anomaly detection [0.5439020425819]
  異常検出は、データ分析とパターン認識において重要な問題であり、様々な領域における応用を見つける。 本稿では,異常検出のための教師なし学習アルゴリズムである量子支援ベクトルデータ記述(QSVDD)を紹介する。
  論文  参考訳（メタデータ） (2023-10-10T07:35:09Z)
• Deep Quantum Error Correction [73.54643419792453]
  量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。 本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。 提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
  論文  参考訳（メタデータ） (2023-01-27T08:16:26Z)
• 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)
• Variational quantum one-class classifier [4.350783459690612]
  一級分類は、幅広い応用のパターン認識における根本的な問題である。 本研究では,そのような問題に対する半教師付き量子機械学習アルゴリズムを提案し,変分量子一クラス分類器(VQOCC)と呼ぶ。 VQOCCの性能は、1クラスサポートベクトルマシン(OC-SVM)、カーネル主成分分析(PCA)、手書き桁とFashion-MNISTデータセットを用いたディープ畳み込みオートエンコーダ(DCAE)と比較される。
  論文  参考訳（メタデータ） (2022-10-06T04:32:55Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
  本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。 既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。 1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
  論文  参考訳（メタデータ） (2022-07-13T08:52:13Z)
• Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and Cycle Benchmarking [50.8020641352841]
  量子ハードウェアプラットフォーム上でのコヒーレントエラーを, サンプルユーザアプリケーションとして, 横フィールドIsing Model Hamiltonianを用いて検討した。 プロセッサ上の物理位置の異なる量子ビット群に対する、日中および日中キュービット校正ドリフトと量子回路配置の影響を同定する。 また,これらの測定値が,これらの種類の誤差をよりよく理解し,量子計算の正確性を評価するための取り組みを改善する方法についても論じる。
  論文  参考訳（メタデータ） (2022-01-08T23:12:55Z)
• Tree tensor network classifiers for machine learning: from quantum-inspired to quantum-assisted [0.0]
  本稿では,データベクトルの長さが指数関数的に大きいヒルベルト空間において,多変量データを量子状態に符号化する量子支援機械学習(QAML)法について述べる。 本稿ではゲートベースの量子コンピューティングデバイスに実装可能なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-06T02:31:48Z)
• Supervised Learning Using a Dressed Quantum Network with "Super Compressed Encoding": Algorithm and Quantum-Hardware-Based Implementation [7.599675376503671]
  ノイズのある中間量子(NISQ)デバイス上での変分量子機械学習(QML)アルゴリズムの実装には、必要となるキュービット数とマルチキュービットゲートに関連するノイズに関連する問題がある。 本稿では,これらの問題に対処するための量子ネットワークを用いた変分QMLアルゴリズムを提案する。 他の多くのQMLアルゴリズムとは異なり、我々の量子回路は単一量子ビットゲートのみで構成されており、ノイズに対して堅牢である。
  論文  参考訳（メタデータ） (2020-07-20T16:29:32Z)

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。