論文の概要: Quantum Multi-view Kernel Learning with Local Information

• arxiv url: http://arxiv.org/abs/2505.16484v1
• Date: Thu, 22 May 2025 10:11:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.218945
• Title: Quantum Multi-view Kernel Learning with Local Information
• Title（参考訳）: ローカル情報を用いた量子多視点カーネル学習
• Authors: Jing Li, Yanqi Song, Sujuan Qin, Fei Gao,
• Abstract要約: カーネルメソッドは、機械学習におけるデータの背後にある非線形パターンをキャプチャする強力なツールとして機能する。 我々はL-QMVKLと呼ばれるローカル情報を用いた量子多視点カーネル学習を提案する。 我々の研究は、量子カーネル法の理論的および実践的理解を推し進めることを約束している。
• 参考スコア（独自算出の注目度）: 4.65325662979106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kernel methods serve as powerful tools to capture nonlinear patterns behind data in machine learning. The quantum kernel, integrating kernel theory with quantum computing, has attracted widespread attention. However, existing studies encounter performance bottlenecks when processing complex data with localized structural patterns, stemming from the limitation in single-view feature representation and the exclusive reliance on global data structure. In this paper, we propose quantum multi-view kernel learning with local information, called L-QMVKL. Specifically, based on the multi-kernel learning, a representative method for multi-view data processing, we construct the quantum multi-kernel that combines view-specific quantum kernels to effectively fuse cross-view information. Further leveraging local information to capture intrinsic structural information, we design a sequential training strategy for the quantum circuit parameters and weight coefficients with the use of the hybrid global-local kernel alignment. We evaluate the effectiveness of L-QMVKL through comprehensive numerical simulations on the Mfeat dataset, demonstrating significant accuracy improvements achieved through leveraging multi-view methodology and local information. Meanwhile, the results show that L-QMVKL exhibits a higher accuracy than its classical counterpart. Our work holds promise for advancing the theoretical and practical understanding of quantum kernel methods.
• Abstract（参考訳）: カーネルメソッドは、機械学習におけるデータの背後にある非線形パターンをキャプチャする強力なツールとして機能する。 量子カーネルは、カーネル理論と量子コンピューティングを統合することで、広く注目を集めている。 しかし,既存の研究では,一視点特徴表現の制限とグローバルデータ構造への排他的依存から生じる,局所構造パターンによる複雑なデータ処理において,パフォーマンス上のボトルネックに直面している。 本稿では,L-QMVKLと呼ばれるローカル情報を用いた量子多視点カーネル学習を提案する。 具体的には、マルチビューデータ処理の代表的な方法であるマルチカーネル学習に基づいて、ビュー固有の量子カーネルを組み合わせて、クロスビュー情報を効果的に融合する量子マルチカーネルを構築する。 さらに、局所情報を利用して固有構造情報を捕捉し、ハイブリッドなグローバルなカーネルアライメントを用いて、量子回路パラメータと重み係数のシーケンシャルなトレーニング戦略を設計する。 我々は,Mfeatデータセットの総合的な数値シミュレーションによりL-QMVKLの有効性を評価し,マルチビュー手法とローカル情報を活用することにより,大幅な精度向上を図った。 一方,L-QMVKLは従来のものよりも高い精度を示した。 我々の研究は、量子カーネル法の理論的および実践的理解を推し進めることを約束している。

関連論文リスト

• Benign Overfitting with Quantum Kernels [5.499796332553708]
  量子カーネルは、量子状態間の内部積を測定することで、データポイント間の類似性を定量化する。 本稿では,量子カーネル構築のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T10:30:42Z)
• Quantum Pointwise Convolution: A Flexible and Scalable Approach for Neural Network Enhancement [0.0]
  本稿では,量子ニューラルネットワークフレームワークにポイントワイズ畳み込みを組み込んだ新しいアーキテクチャを提案する。 量子回路を用いてデータを高次元空間にマッピングし、より複雑な特徴関係を捉える。 実験では、FashionMNISTとCIFAR10データセットの分類タスクに量子ポイントワイズ畳み込み層を適用した。
  論文  参考訳（メタデータ） (2024-12-02T08:03:59Z)
• 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)
• A Unified Framework for Trace-induced Quantum Kernels [0.0]
  量子カーネル法は、特定の機械学習タスクに対して実用的な量子優位性を達成するための有望な候補である。 この研究では、すべてのトレース誘起量子カーネルを共通のフレームワークに結合する。 局所的に投影されたカーネルに基づくモデルが,グローバルな忠実度量子カーネルに匹敵する性能を達成できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-11-22T17:50:00Z)
• Coreset selection can accelerate quantum machine learning models with provable generalization [6.733416056422756]
  量子ニューラルネットワーク(QNN)と量子カーネルは、量子機械学習の領域において顕著な存在である。 我々は、QNNと量子カーネルのトレーニングを高速化することを目的とした、コアセット選択という統一的なアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-19T08:59:46Z)
• Higher-order topological kernels via quantum computation [68.8204255655161]
  トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。 本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T14:48:52Z)
• 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)
• Tracing Information Flow from Open Quantum Systems [52.77024349608834]
  我々は導波路アレイに光子を用いて、キュービットと低次元の離散環境とのカップリングの量子シミュレーションを実装した。 量子状態間のトレース距離を情報の尺度として用いて、異なるタイプの情報伝達を分析する。
  論文  参考訳（メタデータ） (2021-03-22T16:38:31Z)
• 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。

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。