論文の概要: Quantum Classifiers with Trainable Kernel
- arxiv url: http://arxiv.org/abs/2505.04234v1
- Date: Wed, 07 May 2025 08:38:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-08 19:07:36.011858
- Title: Quantum Classifiers with Trainable Kernel
- Title（参考訳）: トレーニング可能なカーネルを用いた量子分類器
- Authors: Li Xu, Xiao-yu Zhang, Ming Li, Shu-qian Shen,
- Abstract要約: 我々は、特徴状態の範囲を広げるために、普遍的に訓練可能な量子特徴マッピングレイアウトを考案する。
また、部分的に重み付けされた試行状態を利用する改良型量子支援ベクトルマシンを提案する。
本稿では,1対1と1対1のアプローチのための量子反復型マルチクラス化フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 15.908830091887719
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Kernel function plays a crucial role in machine learning algorithms such as classifiers. In this paper, we aim to improve the classification performance and reduce the reading out burden of quantum classifiers. We devise a universally trainable quantum feature mapping layout to broaden the scope of feature states and avoid the inefficiently straight preparation of quantum superposition states. We also propose an improved quantum support vector machine that employs partially evenly weighted trial states. In addition, we analyze its error sources and superiority. As a promotion, we propose a quantum iterative multi-classifier framework for one-versus-one and one-versus-rest approaches. Finally, we conduct corresponding numerical demonstrations in the \textit{qiskit} package. The simulation result of trainable quantum feature mapping shows considerable clustering performance, and the subsequent classification performance is superior to the existing quantum classifiers in terms of accuracy and distinguishability.
- Abstract（参考訳）: カーネル関数は、分類器のような機械学習アルゴリズムにおいて重要な役割を果たす。
本稿では,量子分類器の読み出し負荷を低減し,分類性能を向上させることを目的とする。
量子重畳状態の非効率な準備を回避し、特徴状態の範囲を広げるために、普遍的に訓練可能な量子特徴マッピングレイアウトを考案する。
また、部分的に重み付けされた試行状態を利用する改良型量子支援ベクトルマシンを提案する。
さらに,誤差源と優越性を解析する。
本稿では,1対1と1対1のアプローチのための量子反復型マルチクラス化フレームワークを提案する。
最後に、対応する数値的な実演をtextit{qiskit}パッケージで実施する。
トレーニング可能な量子特徴写像のシミュレーション結果は、クラスタリング性能がかなり高く、その後の分類性能は、精度と識別性の観点から、既存の量子分類器よりも優れている。
関連論文リスト
- An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-04-13T11:49:53Z) - Quantum machine learning for multiclass classification beyond kernel methods [21.23851138896271]
本稿では,実世界の応用において,量子カーネル法がマルチクラス分類の効率を高めることを示す量子アルゴリズムを提案する。
量子シミュレーションの結果は、量子アルゴリズムが6つの実世界のマルチクラス分類問題に対処する際の古典的手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2024-11-05T08:58:30Z) - Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。
量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
論文 参考訳（メタデータ） (2024-06-17T18:20:51Z) - Supervised Learning Guarantee for Quantum AdaBoost [7.473180902609473]
ノイズの多い中間スケール量子(NISQ)時代には、変分量子アルゴリズムは量子回路の量子ビット数の制限と浅い深さのために制約される。
本稿では,量子適応ブースティング(AdaBoost)の学習保証を理論的に確立し,数値的に検証する。
我々の研究は、現在のNISQ時代において、適切なアンサンブル法を導入することは、量子機械学習アルゴリズムの性能向上に特に有用であることを示している。
論文 参考訳（メタデータ） (2024-02-04T07:18:44Z) - Ensemble-learning variational shallow-circuit quantum classifiers [4.104704267247209]
本稿では,ブートストラップ集約と適応的ブースティングという,アンサンブル学習の2つの手法を提案する。
これらのプロトコルは古典的な手書き数字や対称性で保護されたトポロジカルハミルトニアンの量子位相の識別のために例示されている。
論文 参考訳（メタデータ） (2023-01-30T07:26:35Z) - Certified Robustness of Quantum Classifiers against Adversarial Examples
through Quantum Noise [68.1992787416233]
量子ランダムな回転雑音を加えることで、敵攻撃に対する量子分類器のロバスト性を向上できることを示す。
我々は、量子分類器が敵の例に対して防御できるように、証明された堅牢性を導出する。
論文 参考訳（メタデータ） (2022-11-02T05:17:04Z) - 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) - Recent advances for quantum classifiers [2.459525036555352]
本稿では,量子支援ベクトルマシン,量子カーネル法,量子決定木,量子近接アルゴリズムなど,多数の量子分類アルゴリズムについて概説する。
次に、基本的に分類のための変分量子回路である変分量子分類器を紹介する。
論文 参考訳（メタデータ） (2021-08-30T18:00:00Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z) - Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。
QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。
数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
論文 参考訳（メタデータ） (2020-10-20T12:06:27Z)
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。