Fugu-MT 論文翻訳(概要): Applications of Hybrid Machine Learning Methods to Large Datasets: A Case Study

論文の概要: Applications of Hybrid Machine Learning Methods to Large Datasets: A Case Study

arxiv url: http://arxiv.org/abs/2504.06892v1
Date: Wed, 09 Apr 2025 13:53:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-10 13:05:53.804821
Title: Applications of Hybrid Machine Learning Methods to Large Datasets: A Case Study
Title（参考訳）: ハイブリッド機械学習の大規模データセットへの適用例
Authors: G. Maragkopoulos, N. Stefanakos, A. Mandilara, D. Syvridis,
Abstract要約: 時系列データのマルチクラス分類のためのMLパイプラインにおいて,古典ニューラルネットワークを意識的に設計された変分量子回路(VQC)に置き換えることで,同じ分類性能が得られることを示す。この結果から,回路の調整済みデータ前処理の重要性を強調し,QuditベースのVQCの可能性を示した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We combine classical and quantum Machine Learning (ML) techniques to effectively analyze long time-series data acquired during experiments. Specifically, we demonstrate that replacing a deep classical neural network with a thoughtfully designed Variational Quantum Circuit (VQC) in an ML pipeline for multiclass classification of time-series data yields the same classification performance, while significantly reducing the number of trainable parameters. To achieve this, we use a VQC based on a single qudit, and encode the classical data into the VQC via a trainable hybrid autoencoder which has been recently proposed as embedding technique. Our results highlight the importance of tailored data pre-processing for the circuit and show the potential of qudit-based VQCs.
Abstract（参考訳）: 我々は、古典的および量子機械学習(ML)技術を組み合わせて、実験中に取得した時系列データを効果的に分析する。具体的には、時系列データのマルチクラス分類のためのMLパイプラインにおいて、深く古典的なニューラルネットワークを思慮深く設計された変分量子回路(VQC)に置き換えることによって、トレーニング可能なパラメータの数を著しく削減し、同じ分類性能が得られることを示す。そこで本研究では,単一のquditをベースとしたVQCを用いて,トレーニング可能なハイブリッドオートエンコーダを用いて,古典的データをVQCにエンコードする手法を提案する。この結果から,回路の調整済みデータ前処理の重要性を強調し,QuditベースのVQCの可能性を示した。

関連論文リスト

Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders [0.0]
本稿では,特定の量子埋め込みを考慮し,与えられたデータセットの次元性を低減する方法を提案する。この方法は、VQCを用いた量子機械学習をより汎用的で高次元のデータセットに効果的にすることを目的としている。
論文参考訳（メタデータ） (2024-09-05T08:51:20Z)
Weight Re-Mapping for Variational Quantum Algorithms [54.854986762287126]
変動量子回路(VQC)における重み付けの考え方を紹介する。我々は,8つの分類データセットに対する影響を評価するために,7つの異なる重み再マッピング関数を用いる。以上の結果から,重量再マッピングによりVQCの収束速度が向上することが示唆された。
論文参考訳（メタデータ） (2023-06-09T09:42:21Z)
BCQQ: Batch-Constraint Quantum Q-Learning with Cyclic Data Re-uploading [2.502222151305252]
量子コンピューティングの最近の進歩は、量子モデルは古典的手法に比べて訓練に必要なデータが少ないことを示唆している。離散バッチ制約深部Q-ラーニングアルゴリズムにおいて,VQCを関数近似器として利用するバッチRLアルゴリズムを提案する。我々は,OpenAI CartPole環境におけるアルゴリズムの有効性を評価し,その性能を従来のニューラルネットワークに基づく離散BCQと比較した。
論文参考訳（メタデータ） (2023-04-27T16:43:01Z)
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)
Improving Convergence for Quantum Variational Classifiers using Weight Re-Mapping [60.086820254217336]
近年、量子機械学習は変分量子回路(VQC)の利用が大幅に増加した。重みを2pi$の間隔に不明瞭にマッピングするために、VQCの重み再マッピングを導入する。修正されていないウェイトを用いて、Wineデータセットの重量再マッピングにより、テスト精度が10%向上したことを実証した。
論文参考訳（メタデータ） (2022-12-22T13:23:19Z)
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)
Hybrid Classical-Quantum Autoencoder for Anomaly Detection [0.0]
古典的オートエンコーダ(AE)とパラメタライズド量子回路(PQC)の相乗効果であるハイブリッド古典量子オートエンコーダ(HAE)モデルを提案する。 PQCは、古典的データセット内の異常なデータポイントを探索するために標準の外れ値検出法を適用する潜在空間を拡大する。 PQCの追加は、精度、リコール、F1スコアの点で性能の向上につながることを示す。
論文参考訳（メタデータ） (2021-12-16T13:27:24Z)
Hybrid Quantum-Classical Graph Convolutional Network [7.0132255816377445]
本研究は、HEPデータを学習するためのハイブリッド量子古典グラフ畳み込みネットワーク(QGCNN)を提供する。提案フレームワークは,パラメータ数の観点から,古典的多層パーセプトロンと畳み込みニューラルネットワークの優位性を示す。テスト精度に関して、QGCNNは、同じHEPデータセット上の量子畳み込みニューラルネットワークと同等のパフォーマンスを示している。
論文参考訳（メタデータ） (2021-01-15T16:02:52Z)
Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
論文参考訳（メタデータ） (2021-01-12T20:08:18Z)
Characterizing the loss landscape of variational quantum circuits [77.34726150561087]
本稿では,VQCの損失関数のヘシアンを計算する方法を紹介する。この情報がどのように解釈され、従来のニューラルネットワークと比較されるかを示す。
論文参考訳（メタデータ） (2020-08-06T17:48:12Z)
Quantum-enhanced data classification with a variational entangled sensor network [3.1083620257082707]
絡み合ったセンサーネットワーク(SLAEN)によって補助される監視学習は、古典的な機械学習アルゴリズムによって訓練されたVQCを利用する、独立したパラダイムである。我々の研究は、NISQ時代における量子化データ処理の新たな道のりを開拓している。
論文参考訳（メタデータ） (2020-06-22T01:22:33Z)

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。