論文の概要: Quantum Hybrid Support Vector Machines for Stress Detection in Older Adults
- arxiv url: http://arxiv.org/abs/2501.04831v1
- Date: Wed, 08 Jan 2025 20:36:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-10 13:59:59.053879
- Title: Quantum Hybrid Support Vector Machines for Stress Detection in Older Adults
- Title(参考訳): 高齢者のストレス検出のための量子ハイブリッド支援ベクトルマシン
- Authors: Md Saif Hassan Onim, Travis S. Humble, Himanshu Thapliyal,
- Abstract要約: この研究は、異常検出問題としてストレス検出に対処するユニークな手法を導入する。
ウェアラブルスマートウォッチの助けを借りて、ベースラインセンサーの読み取りを通常のデータとして、ストレスセンサーの読み取りを異常データとしてマッピングしました。
我々は、カーネルベースの前処理で複雑な特徴空間を探索するために量子コンピューティング技術を用いてきた。
- 参考スコア(独自算出の注目度): 0.5188841610098435
- License:
- Abstract: Stress can increase the possibility of cognitive impairment and decrease the quality of life in older adults. Smart healthcare can deploy quantum machine learning to enable preventive and diagnostic support. This work introduces a unique technique to address stress detection as an anomaly detection problem that uses quantum hybrid support vector machines. With the help of a wearable smartwatch, we mapped baseline sensor reading as normal data and stressed sensor reading as anomaly data using cortisol concentration as the ground truth. We have used quantum computing techniques to explore the complex feature spaces with kernel-based preprocessing. We illustrate the usefulness of our method by doing experimental validation on 40 older adults with the help of the TSST protocol. Our findings highlight that using a limited number of features, quantum machine learning provides improved accuracy compared to classical methods. We also observed that the recall value using quantum machine learning is higher compared to the classical method. The higher recall value illustrates the potential of quantum machine learning in healthcare, as missing anomalies could result in delayed diagnostics or treatment.
- Abstract(参考訳): ストレスは認知障害の可能性を高め、高齢者の生活の質を低下させる。
スマートヘルスケアは、量子機械学習をデプロイして、予防と診断のサポートを可能にする。
本研究は, 量子ハイブリッド支援ベクトルマシンを用いた異常検出問題として, ストレス検出に対処するユニークな手法を導入する。
ウェアラブルスマートウォッチの助けを借りて、ベースラインセンサーの読み取りを通常のデータとして、ストレスセンサーの読み取りをコルチゾール濃度を根拠とする異常データとしてマッピングした。
我々は、カーネルベースの前処理で複雑な特徴空間を探索するために量子コンピューティング技術を用いてきた。
TSSTプロトコルの助けを借りて,40人の高齢者を対象に実験的な検証を行うことにより,本手法の有用性について述べる。
この結果から,量子機械学習は従来の手法に比べて精度が向上することがわかった。
また,量子機械学習を用いたリコール値は,従来の手法に比べて高い値を示した。
高いリコール値は、欠落した異常が診断や治療の遅れをもたらす可能性があるため、医療における量子機械学習の可能性を示している。
関連論文リスト
- Machine Learning and Quantum Intelligence for Health Data Scenarios [0.0]
従来の機械学習アルゴリズムは、高次元または限られた品質のデータセットでしばしば課題に直面している。
量子機械学習は、重ね合わせや絡み合いなどの量子特性を活用し、パターン認識と分類を強化する。
本稿では、QMLの医療への応用について検討し、心疾患予測とCOVID-19検出のための量子カーネル法とハイブリッド量子古典的ネットワークに焦点を当てた。
論文 参考訳(メタデータ) (2024-10-28T01:04:43Z) - 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) - 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) - Quantum Information Processing with Molecular Nanomagnets: an introduction [49.89725935672549]
本稿では,量子情報処理の導入について紹介する。
量子アルゴリズムを理解し設計するための基本的なツールを紹介し、分子スピンアーキテクチャ上での実際の実現を常に言及する。
分子スピンキュートハードウェア上で提案および実装された量子アルゴリズムの例を示す。
論文 参考訳(メタデータ) (2024-05-31T16:43:20Z) - Quantum AI for Alzheimer's disease early screening [1.2891210250935148]
アルツハイマー病は神経変性性脳疾患であり、主に高齢者に影響を及ぼす。
DARWINデータセットには、アルツハイマー病に罹患した人々と健康な人々のグループによる手書きのサンプルが含まれている。
このデータセットを用いて古典的な分類法をテストし、それらの性能を量子機械学習手法で得られたものと比較する。
論文 参考訳(メタデータ) (2024-05-01T07:55:08Z) - ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳(メタデータ) (2023-08-22T09:11:53Z) - Exploring Unsupervised Anomaly Detection with Quantum Boltzmann Machines
in Fraud Detection [3.955274213382716]
EDR(Restricted Detection and Response)における異常検出は、大企業のサイバーセキュリティプログラムにおいて重要な課題である。
この問題に対する古典的な機械学習アプローチは存在するが、悪質な異常と悪質な異常を区別する際の不満足なパフォーマンスをしばしば示している。
現在使われている機械学習技術よりも優れた一般化を実現するための有望なアプローチは量子生成モデルである。
論文 参考訳(メタデータ) (2023-06-08T07:36:01Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2023-01-04T23:37:45Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳(メタデータ) (2022-12-29T10:46:40Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳(メタデータ) (2021-06-24T15:58:57Z) - Quantum Machine Learning: Fad or Future? [0.0]
私たちは、古典的なコンピューティングデバイスによって、利用可能な最大計算能力のしきい値に素早く近づきます。
これは、今や数十億と数兆のパラメータを持つモデルサイズが指数関数的に増加するためである。
本稿では、量子機械学習が古典的な機械学習アプローチよりも優れているという側面を検証し、検証する。
論文 参考訳(メタデータ) (2021-06-20T15:39:36Z)
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。