Fugu-MT 論文翻訳(概要): Classification of Financial Data Using Quantum Support Vector Machine

論文の概要: Classification of Financial Data Using Quantum Support Vector Machine

arxiv url: http://arxiv.org/abs/2412.10860v1
Date: Sat, 14 Dec 2024 15:17:11 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-17 13:59:02.695976
Title: Classification of Financial Data Using Quantum Support Vector Machine
Title（参考訳）: 量子支援ベクトルマシンを用いた財務データの分類
Authors: Seemanta Bhattacharjee, MD. Muhtasim Fuad, A. K. M. Fakhrul Hossain,
Abstract要約: 本稿では,量子カーネルの金融データへの適用性,特に自己計算したDhaka Stock Exchange (DSEx) Broad Indexデータセットについて検討する。我々は、いくつかの量子カーネルを使用し、このデータセットに最適なものを提案する、経験的量子優位性について報告する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Quantum Support Vector Machine is a kernel-based approach to classification problems. We study the applicability of quantum kernels to financial data, specifically our self-curated Dhaka Stock Exchange (DSEx) Broad Index dataset. To the best of our knowledge, this is the very first systematic research work on this dataset on the application of quantum kernel. We report empirical quantum advantage in our work, using several quantum kernels and proposing the best one for this dataset while verifying the Phase Space Terrain Ruggedness Index metric. We estimate the resources needed to carry out these investigations on a larger scale for future practitioners.
Abstract（参考訳）: 量子サポートベクトルマシン(Quantum Support Vector Machine)は、カーネルベースの分類問題に対するアプローチである。本稿では,量子カーネルの金融データへの適用性,特に自己計算したDhaka Stock Exchange (DSEx) Broad Indexデータセットについて検討する。私たちの知る限りでは、量子カーネルの応用に関するこのデータセットに関する最初の体系的な研究である。我々は、いくつかの量子カーネルを用いて実験的な量子優位性を報告し、このデータセットに最適なものを提案しながら、位相空間のTerrin Ruggedness Indexを検証した。我々は、これらの調査を行うために必要なリソースを、将来の実践者のために大規模に見積もる。

関連論文リスト

Unsupervised Quantum Anomaly Detection on Noisy Quantum Processors [1.2325897339438878]
本稿では,一クラス支援ベクトルマシン(OCSVM)アルゴリズムの一般化特性の系統的解析を行う。結果は理論的にシミュレートされ、トラップイオンおよび超伝導量子プロセッサ上で実験的に検証された。
論文参考訳（メタデータ） (2024-11-25T22:42:38Z)
The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文参考訳（メタデータ） (2024-08-19T12:18:07Z)
Neural auto-designer for enhanced quantum kernels [59.616404192966016]
本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
論文参考訳（メタデータ） (2024-01-20T03:11:59Z)
Quantum Multiple Kernel Learning in Financial Classification Tasks [2.8564636890651607]
本稿では,量子多重カーネル学習(QMKL)手法を提案する。誤差緩和パイプラインを用いて量子ハードウェア上でQMKLを示すとともに、大きな量子ビット状態におけるQMKLの利点を示す。
論文参考訳（メタデータ） (2023-12-01T00:18:43Z)
Quantum Data Center: Perspectives [10.048201735241616]
既存の古典的データセンターの量子バージョンであるQuantum Data Center (QDC)を紹介する。ビジネスと科学、特に機械学習とビッグデータ産業におけるQDCの影響の可能性を示す。
論文参考訳（メタデータ） (2023-09-12T23:24:38Z)
QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
論文参考訳（メタデータ） (2023-08-25T15:08:19Z)
Quantum Kernel Alignment with Stochastic Gradient Descent [3.5698678013121334]
Pegasosは、支持ベクトルマシン最適化問題を解決するために勾配勾配を用いたアルゴリズムである。 Pegasosを使用することで,サポートベクタマシンをカーネルのアライメントを同時にトレーニングすることが可能であることを示す。提案手法は, 量子特徴写像を高精度に整列させ, 既存の量子カーネルアライメント技術より優れていることを示す。
論文参考訳（メタデータ） (2023-04-19T18:00:11Z)
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)
Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文参考訳（メタデータ） (2022-04-26T09:52:02Z)
Quantum kernels for real-world predictions based on electronic health records [0.0]
医療・生命科学における経験的量子優位性(EQA)に関する最初の体系的研究を報告する。各構成座標に対して、IBM量子コンピュータを用いて、放射基底関数(RBF)カーネルとカスタムカーネルを用いた量子モデルに基づく古典的サポートベクトルマシン(SVM)モデルを訓練した。我々は、量子カーネルが特定のデータセットに利点をもたらすレシエーションを実証的に特定し、与えられたモデルの精度を定量的に見積もる指標である地形粗さ指数を導入した。
論文参考訳（メタデータ） (2021-12-12T12:06:19Z)
Nearest Centroid Classification on a Trapped Ion Quantum Computer [57.5195654107363]
我々は,古典的データを量子状態に効率よくロードし,距離推定を行う手法を用いて,量子近接Centroid分類器を設計する。 MNIST手書き桁データセットの古典的最寄りのセントロイド分類器の精度と8次元合成データの最大100%の精度とを一致させ,11量子ビットトラップイオン量子マシン上で実験的に実証した。
論文参考訳（メタデータ） (2020-12-08T01:10:30Z)

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。