論文の概要: Improved Differential Evolution based Feature Selection through Quantum, Chaos, and Lasso

• arxiv url: http://arxiv.org/abs/2408.10693v1
• Date: Tue, 20 Aug 2024 09:46:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 14:14:58.112866
• Title: Improved Differential Evolution based Feature Selection through Quantum, Chaos, and Lasso
• Title（参考訳）: 量子・カオス・ラッソによる差分進化に基づく特徴選択の改良
• Authors: Yelleti Vivek, Sri Krishna Vadlamani, Vadlamani Ravi, P. Radha Krishna,
• Abstract要約: 医学において、解釈可能性が非常に重要である場合、特徴部分選択は重要な問題である。 本稿では,量子化メタヒューリスティックスにおける確率変数の代わりにカオス生成変数を導入することにより,その性能が大幅に向上することを示す。 このカオスによって引き起こされる改善は、基礎となる量子インスパイアされたメタヒューリスティック(英語版)の多種多様な変種に対してこれを実証することで一般的な現象であることを示す。
• 参考スコア（独自算出の注目度）: 4.421086279146014
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Modern deep learning continues to achieve outstanding performance on an astounding variety of high-dimensional tasks. In practice, this is obtained by fitting deep neural models to all the input data with minimal feature engineering, thus sacrificing interpretability in many cases. However, in applications such as medicine, where interpretability is crucial, feature subset selection becomes an important problem. Metaheuristics such as Binary Differential Evolution are a popular approach to feature selection, and the research literature continues to introduce novel ideas, drawn from quantum computing and chaos theory, for instance, to improve them. In this paper, we demonstrate that introducing chaos-generated variables, generated from considerations of the Lyapunov time, in place of random variables in quantum-inspired metaheuristics significantly improves their performance on high-dimensional medical classification tasks and outperforms other approaches. We show that this chaos-induced improvement is a general phenomenon by demonstrating it for multiple varieties of underlying quantum-inspired metaheuristics. Performance is further enhanced through Lasso-assisted feature pruning. At the implementation level, we vastly speed up our algorithms through a scalable island-based computing cluster parallelization technique.
• Abstract（参考訳）: 現代のディープラーニングは、驚くべき様々な高次元タスクにおいて、優れたパフォーマンスを保ち続けている。 実際には、これは全ての入力データに最小の特徴工学でディープ・ニューラル・モデルを適用することで得られるため、多くの場合、解釈可能性が犠牲になる。 しかし、解釈可能性が非常に重要である医学などの応用においては、特徴部分選択が重要な問題となっている。 二項微分進化のようなメタヒューリスティックスは、特徴選択に対する一般的なアプローチであり、研究文献は、例えば量子コンピューティングやカオス理論から引き出された新しいアイデアを導入し続けている。 本稿では,量子化メタヒューリスティックスにおける確率変数の代わりに,リアプノフ時間を考慮したカオス生成変数を導入することにより,高次元医用分類タスクの性能が著しく向上し,他の手法よりも優れていることを示す。 このカオスによって引き起こされる改善は、基礎となる量子インスパイアされたメタヒューリスティック(英語版)の多種多様な変種に対してこれを実証することで一般的な現象であることを示す。 性能はラッソ補助機能プルーニングによりさらに向上する。 実装レベルでは、スケーラブルな島ベースのクラスタ並列化技術により、アルゴリズムを大幅に高速化します。

関連論文リスト

• Artificial-intelligence-based surrogate solution of dissipative quantum dynamics: physics-informed reconstruction of the universal propagator [0.0]
  本稿では,散逸的量子力学を解く人工知能に基づく代理モデルを提案する。 我々の量子ニューラルプロパゲータは、時間を要するイテレーションを避け、普遍的なスーパーオペレータを提供する。
  論文  参考訳（メタデータ） (2024-02-05T07:52:04Z)
• Dissipative learning of a quantum classifier [0.0]
  オープン量子システムとして機能する量子分類器モデルの学習力学を解析する。 モデルは勾配降下(GD)に基づくアルゴリズムでうまく訓練することができる。 これらの最適化プロセスが連続力学で得られたという事実は、微分可能活性化関数の開発を約束することを示している。
  論文  参考訳（メタデータ） (2023-07-23T11:08:51Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• 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)
• Quantum generative adversarial learning for simultaneous multiparameter estimation [7.6333322023084955]
  本稿では,適応的フィードバックによる量子生成対向学習の実証実験を報告する。 その結果, 有害ノイズの存在下においても, 量子生成逆学習の興味深い利点が示唆された。
  論文  参考訳（メタデータ） (2022-05-26T17:16:03Z)
• Adaptive Discrete Communication Bottlenecks with Dynamic Vector Quantization [76.68866368409216]
  入力に条件付けされた離散化の厳密度を動的に選択する学習を提案する。 コミュニケーションボトルネックの動的に変化する厳密さは、視覚的推論や強化学習タスクにおけるモデル性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-02-02T23:54:26Z)
• 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)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Markovian Quantum Neuroevolution for Machine Learning [0.0]
  本稿では,機械学習タスクに最適な量子ニューラルネットワークを自律的に見つける量子神経進化アルゴリズムを提案する。 特に、量子回路と有向グラフの1対1マッピングを確立し、適切なゲート列を見つける問題を減らす。
  論文  参考訳（メタデータ） (2020-12-30T12:42:38Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)

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。