Fugu-MT 論文翻訳(概要): CRUISE on Quantum Computing for Feature Selection in Recommender Systems

論文の概要: CRUISE on Quantum Computing for Feature Selection in Recommender Systems

arxiv url: http://arxiv.org/abs/2407.02839v1
Date: Wed, 3 Jul 2024 06:34:56 GMT
ステータス: 処理完了
システム内更新日: 2024-07-04 15:25:09.614403
Title: CRUISE on Quantum Computing for Feature Selection in Recommender Systems
Title（参考訳）: CRUISE on Quantum Computing for Feature Selection in Recommender Systems (特集量子コンピューティング)
Authors: Jiayang Niu, Jie Li, Ke Deng, Yongli Ren,
Abstract要約: 我々は、推奨アルゴリズムにおける特徴選択問題に対処するためにQuantum Annealersを使用します。対実解析を取り入れることで、項目ベースKNN推薦アルゴリズムの性能を大幅に改善する。
参考スコア（独自算出の注目度）: 9.703634723062127
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Using Quantum Computers to solve problems in Recommender Systems that classical computers cannot address is a worthwhile research topic. In this paper, we use Quantum Annealers to address the feature selection problem in recommendation algorithms. This feature selection problem is a Quadratic Unconstrained Binary Optimization(QUBO) problem. By incorporating Counterfactual Analysis, we significantly improve the performance of the item-based KNN recommendation algorithm compared to using pure Mutual Information. Extensive experiments have demonstrated that the use of Counterfactual Analysis holds great promise for addressing such problems.
Abstract（参考訳）: 量子コンピュータを使って、古典的なコンピュータでは対処できないRecommender Systemsの問題を解決することは、貴重な研究トピックである。本稿では,推奨アルゴリズムの特徴選択問題に対処するためにQuantum Annealersを用いる。この特徴選択問題は、擬似非拘束バイナリ最適化(QUBO)問題である。対実解析を取り入れることで、純粋な相互情報を用いた場合と比較して、アイテムベースのKNN推薦アルゴリズムの性能を著しく改善する。大規模な実験により、このような問題に対処する上で、対実分析を用いることが大きな可能性を証明している。

関連論文リスト

Performance-Driven QUBO for Recommender Systems on Quantum Annealers [26.060620197458203]
我々は,個々の特徴と特徴の組み合わせがモデル性能に与える影響を測定するために,反実解析を用いる。提案手法は, 量子アニーラーの係数行列を構成するために, 推奨系の最適特徴組合せを選択するために用いられる。
論文参考訳（メタデータ） (2024-10-20T04:05:18Z)
A Predictive Approach for Selecting the Best Quantum Solver for an Optimization Problem [2.9730678241643815]
教師付き機械学習に基づく予測解法選択手法を提案する。 70%以上の場合において、最良の解法が選択され、約90%の場合には、上位2の解法が選択される。この探索は、量子ソルバ選択における機械学習の可能性を証明し、その自動化の基礎を定めている。
論文参考訳（メタデータ） (2024-08-07T08:14:58Z)
Variational Quantum Algorithms for Combinatorial Optimization [0.571097144710995]
変分アルゴリズム (VQA) は, NISQシステムの実用化に向けた最有力候補の1つである。本稿では,VQAの現状と最近の発展を考察し,近似最適化への適用性を強調した。 10ノードと20ノードのグラフ上でMaxCut問題を解くために,深さの異なるQAOA回路を実装した。
論文参考訳（メタデータ） (2024-07-08T22:02:39Z)
Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文参考訳（メタデータ） (2024-04-17T11:00:12Z)
Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
論文参考訳（メタデータ） (2023-10-18T17:59:45Z)
Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文参考訳（メタデータ） (2023-10-14T02:13:26Z)
A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文参考訳（メタデータ） (2023-06-15T15:28:12Z)
Are Quantum Computers Practical Yet? A Case for Feature Selection in Recommender Systems using Tensor Networks [2.2049183478692584]
協調フィルタリングモデルは、一般的にコンテンツベースのフィルタリングモデルよりも優れており、注意深い機能工学を必要としない。コールドスタートのシナリオでは、コラボレーティブな情報が不足している場合や、利用できない場合があり、コンテンツ情報が豊富である場合もあります。我々は最近提案されたテンソルネットワークと多線型代数に基づくブラックボックスであるTTOptを介してQUBOに取り組む。何千もの特徴を持つ大問題に対する本手法の計算可能性を示し, 得られた解がD-Waveで得られた解に匹敵することを示した。
論文参考訳（メタデータ） (2022-05-09T18:04:49Z)
Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文参考訳（メタデータ） (2022-02-17T18:59:20Z)
Filtering variational quantum algorithms for combinatorial optimization [0.0]
本稿では、フィルタ演算子を用いて最適解への高速で信頼性の高い収束を実現する変分量子固有解法(F-VQE)を提案する。また、量子コンピュータに必要な量子ビット数を減らすために因果錐を用いる方法についても検討する。
論文参考訳（メタデータ） (2021-06-18T11:07:33Z)
Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。