Fugu-MT 論文翻訳(概要): Performance-Driven QUBO for Recommender Systems on Quantum Annealers

論文の概要: Performance-Driven QUBO for Recommender Systems on Quantum Annealers

arxiv url: http://arxiv.org/abs/2410.15272v1
Date: Sun, 20 Oct 2024 04:05:18 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-22 13:17:15.008344
Title: Performance-Driven QUBO for Recommender Systems on Quantum Annealers
Title（参考訳）: 量子アニーラにおけるレコメンダシステムの性能駆動QUBO
Authors: Jiayang Niu, Jie Li, Ke Deng, Mark Sanderson, Yongli Ren,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 26.060620197458203
License:
Abstract: We propose Counterfactual Analysis Quadratic Unconstrained Binary Optimization (CAQUBO) to solve QUBO problems for feature selection in recommender systems. CAQUBO leverages counterfactual analysis to measure the impact of individual features and feature combinations on model performance and employs the measurements to construct the coefficient matrix for a quantum annealer to select the optimal feature combinations for recommender systems, thereby improving their final recommendation performance. By establishing explicit connections between features and the recommendation performance, the proposed approach demonstrates superior performance compared to the state-of-the-art quantum annealing methods. Extensive experiments indicate that integrating quantum computing with counterfactual analysis holds great promise for addressing these challenges.
Abstract（参考訳）: 本稿では,推薦システムにおける特徴選択のためのQUBO問題の解法として,CAQUBO(Counterfactual Analysis Quadratic Unconstrained Binary Optimization)を提案する。 CAQUBO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事実分析を活用し、量子アニーラーの係数行列を構築し、レコメンダシステムに最適な特徴の組み合わせを選択し、最終的なレコメンデーション性能を向上させる。提案手法は,特徴とレコメンデーション性能との明確な接続を確立することにより,最先端の量子アニール法と比較して優れた性能を示す。大規模な実験は、量子コンピューティングと反ファクト分析を統合することが、これらの課題に対処するための大きな約束であることを示している。

関連論文リスト

MG-Net: Learn to Customize QAOA with Circuit Depth Awareness [51.78425545377329]
量子近似最適化アルゴリズム(QAOA)とその変種は、最適化問題に対処する大きな可能性を示している。良好な性能を実現するために必要な回路深度は問題固有であり、しばしば現在の量子デバイスの最大容量を超える。ミキサジェネレータネットワーク (MG-Net) は, 最適ミキサハミルトニアンを動的に定式化するための統合ディープラーニングフレームワークである。
論文参考訳（メタデータ） (2024-09-27T12:28:18Z)
CRUISE on Quantum Computing for Feature Selection in Recommender Systems [9.703634723062127]
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。
論文参考訳（メタデータ） (2024-07-03T06:34:56Z)
Solving Combinatorial Optimization Problems with a Block Encoding Quantum Optimizer [0.0]
Block ENcoding Quantum (BEQO) は、ブロック符号化を用いてコスト関数を表現するハイブリッド量子ソルバである。以上の結果から,BENQOはQAOAよりも有意に優れた性能を示し,VQEと各種のパフォーマンス指標を比較検討した。
論文参考訳（メタデータ） (2024-04-22T10:10:29Z)
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)
End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文参考訳（メタデータ） (2024-02-12T16:33:35Z)
Benchmarking Metaheuristic-Integrated QAOA against Quantum Annealing [0.0]
この研究は、異なる問題領域にわたる量子アニーリングとメタヒューリスティック統合QAOAの長所と短所に関する洞察を提供する。その結果,ハイブリッド手法は古典的最適化手法を利用してQAOAの解品質と収束速度を向上させることが示唆された。
論文参考訳（メタデータ） (2023-09-28T18:55:22Z)
Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文参考訳（メタデータ） (2022-10-04T04:43:58Z)
Evaluating the Convergence of Tabu Enhanced Hybrid Quantum Optimization [58.720142291102135]
本稿では,量子ハードウェア上での最適化問題解決に有用な Tabu Enhanced Hybrid Quantum Optimization メタヒューリスティック手法を提案する。提案手法の理論的収束を,イジングモデルに基づくタブ状態を保存する対象の衝突の観点から考察する。
論文参考訳（メタデータ） (2022-09-05T07:23:03Z)
Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文参考訳（メタデータ） (2022-07-02T16:59:37Z)
Lyapunov control-inspired strategies for quantum combinatorial optimization [0.0]
我々は、Lyapunov制御にインスパイアされた量子最適化戦略の拡張的な記述を提供する。代わりに、これらの戦略は量子ビット測定からのフィードバックを利用して、決定論的に量子回路パラメータに値を割り当てる。
論文参考訳（メタデータ） (2021-08-12T19:47:59Z)
Feedback-based quantum optimization [0.0]
本稿では,量子回路パラメータに対して,量子ビット計測の結果を構成的に割り当てる,量子最適化のためのフィードバックベースの戦略を提案する。この手法により,量子回路の深さを単調に改善する最適化問題の解が推定されることを示す。
論文参考訳（メタデータ） (2021-03-15T18:01:03Z)

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。