論文の概要: QFDNN: A Resource-Efficient Variational Quantum Feature Deep Neural Networks for Fraud Detection and Loan Prediction

• arxiv url: http://arxiv.org/abs/2504.19632v1
• Date: Mon, 28 Apr 2025 09:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.385445
• Title: QFDNN: A Resource-Efficient Variational Quantum Feature Deep Neural Networks for Fraud Detection and Loan Prediction
• Title（参考訳）: QFDNN: フラッド検出とローン予測のための資源効率の良い変分量子特徴深層ニューラルネットワーク
• Authors: Subham Das, Ashtakala Meghanath, Bikash K. Behera, Shahid Mumtaz, Saif Al-Kuwari, Ahmed Farouk,
• Abstract要約: 本稿では、クレジットカード不正検出とローンの適格性予測の課題を解決するために、量子機能深層ニューラルネットワーク(QFDNN)を提案する。 QFDNNは資源効率が高く、耐雑音性があり、資源効率の高い設計と計算オーバーヘッドの最小化によって持続可能性をサポートする。 この結果から,不正取引を正確に検出することで,社会金融技術の信頼とセキュリティを高めるQFDNNの可能性を強調した。
• 参考スコア（独自算出の注目度）: 22.867189884561768
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social financial technology focuses on trust, sustainability, and social responsibility, which require advanced technologies to address complex financial tasks in the digital era. With the rapid growth in online transactions, automating credit card fraud detection and loan eligibility prediction has become increasingly challenging. Classical machine learning (ML) models have been used to solve these challenges; however, these approaches often encounter scalability, overfitting, and high computational costs due to complexity and high-dimensional financial data. Quantum computing (QC) and quantum machine learning (QML) provide a promising solution to efficiently processing high-dimensional datasets and enabling real-time identification of subtle fraud patterns. However, existing quantum algorithms lack robustness in noisy environments and fail to optimize performance with reduced feature sets. To address these limitations, we propose a quantum feature deep neural network (QFDNN), a novel, resource efficient, and noise-resilient quantum model that optimizes feature representation while requiring fewer qubits and simpler variational circuits. The model is evaluated using credit card fraud detection and loan eligibility prediction datasets, achieving competitive accuracies of 82.2% and 74.4%, respectively, with reduced computational overhead. Furthermore, we test QFDNN against six noise models, demonstrating its robustness across various error conditions. Our findings highlight QFDNN potential to enhance trust and security in social financial technology by accurately detecting fraudulent transactions while supporting sustainability through its resource-efficient design and minimal computational overhead.
• Abstract（参考訳）: 社会金融技術は、デジタル時代の複雑な財政課題に対処するために先進的な技術を必要とする信頼、持続可能性、社会的責任に焦点を当てている。 オンライン取引の急速な成長に伴い、クレジットカード不正検出の自動化とローンの適格性予測がますます困難になっている。 古典的機械学習(ML)モデルはこれらの課題を解決するために使われてきたが、複雑さと高次元の財務データによるスケーラビリティ、過度な適合性、高い計算コストに直面することが多い。 量子コンピューティング(QC)と量子機械学習(QML)は、高次元データセットを効率的に処理し、微妙な不正パターンのリアルタイム識別を可能にする、有望なソリューションを提供する。 しかし、既存の量子アルゴリズムはノイズの多い環境で頑丈さを欠き、機能セットを減らして性能を最適化できない。 これらの制約に対処するために、より少ない量子ビットとより単純な変動回路を必要としながら、特徴表現を最適化する新しい、リソース効率が高く、ノイズ耐性の量子モデルである量子機能ディープニューラルネットワーク(QFDNN)を提案する。 このモデルは、クレジットカード不正検出とローン適格予測データセットを用いて評価され、それぞれ82.2%と74.4%の競争精度を達成し、計算オーバーヘッドを低減した。 さらに、6つのノイズモデルに対してQFDNNを試験し、その堅牢性を様々な誤差条件で示す。 この結果から,QFDNNは,資源効率の高い設計と計算オーバーヘッドの最小化による持続可能性を維持しつつ,不正取引を正確に検出し,社会金融技術における信頼とセキュリティを高める可能性を浮き彫りにした。

関連論文リスト

• Quantum-driven Zero Trust Framework with Dynamic Anomaly Detection in 7G Technology: A Neural Network Approach [0.0]
  セキュリティ強化のためのQNN-ZTF(Quantum Neural Network-Enhanced Zero Trust Framework)を提案する。 セキュリティ強化のためにZero Trust Architecture, Intrusion Detection Systems, Quantum Neural Networks(QNN)を統合した。 サイバー脅威の軽減効果が向上し, 偽陽性と応答時間を減らすための枠組みの有効性が示された。
  論文  参考訳（メタデータ） (2025-02-11T18:59:32Z)
• LEP-QNN: Loan Eligibility Prediction Using Quantum Neural Networks [4.2435928520499635]
  我々は、量子ニューラルネットワーク(LEP-QNN)を用いたローン適性予測に量子機械学習(QML)を用いる新しいアプローチを提案する。 私たちの革新的なアプローチは、単一の包括的なデータセットからローンの適格性を98%の精度で予測します。 本研究は、金融予測におけるQMLの可能性を示し、QML技術の進歩のための基礎的なガイドを確立する。
  論文  参考訳（メタデータ） (2024-12-04T09:35:03Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• QFNN-FFD: Quantum Federated Neural Network for Financial Fraud Detection [4.2435928520499635]
  本研究ではQFNN-FFD(Quantum Federated Neural Network for Financial Fraud Detection)を提案する。 QFNN-FFDは、金融詐欺検出のために、量子機械学習(QML)とFederated Learning(FL)との量子コンピューティングを統合するフレームワークである。 量子技術の計算能力とFLが提供する堅牢なデータプライバシ保護を利用することで、QFNN-FFDは不正取引を識別するためのセキュアで効率的な方法として現れる。
  論文  参考訳（メタデータ） (2024-04-03T09:19:46Z)
• Quantum Algorithms: A New Frontier in Financial Crime Prevention [0.0]
  この研究は量子機械学習(QML)や量子人工知能(QAI)といった先進的な方法論を紹介している。 これらの量子アプローチは、古典的手法が直面する制限を克服するために、量子コンピュータの本質的な計算能力を活用する。 金融機関はリスクを特定し緩和する能力を向上させることができ、より堅牢なリスク管理戦略につながる。
  論文  参考訳（メタデータ） (2024-03-27T07:52:10Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• Financial Fraud Detection: A Comparative Study of Quantum Machine Learning Models [0.0]
  量子サポートベクトルモデルは、詐欺と非詐欺のクラスでF1スコアが0.98 0.98と最高性能を達成した。 この記事では、現在の制限を克服するソリューションを提供し、不正検出における量子機械学習の分野に新たな洞察を提供する。
  論文  参考訳（メタデータ） (2023-08-09T21:47:50Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
  SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。 短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
  論文  参考訳（メタデータ） (2022-07-14T12:22:51Z)

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。