論文の概要: Analysis of quantum neural network performance via edge cases

• arxiv url: http://arxiv.org/abs/2506.12427v1
• Date: Sat, 14 Jun 2025 09:56:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.192898
• Title: Analysis of quantum neural network performance via edge cases
• Title（参考訳）: エッジケースを用いた量子ニューラルネットワークの性能解析
• Authors: Maximilian Balthasar Mansky, Tobias Rohe, Linus Menzel, Dmytro Bondarenko, Claudia Linnhoff-Popien,
• Abstract要約: グラフ分類タスクにおいて,異なる量子機械学習ネットワークの性能を評価する。 内部対称性の異なる量子回路は、グラフの対称性に完全に、部分的には参照せず、データセット上で異なる性能を示す。
• 参考スコア（独自算出の注目度）: 4.180897432770239
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We evaluate the particular performance of different quantum machine learning networks on a graph classification task. Quantum circuits with varying internal symmetry that completely, partially and not at all confer to the symmetry of the graph show different performance on the data set. The convergence results are inspected using a number of special graphs with particular structure. These are unlikely to occur in the training data and cover specific cases that refute the assumption that the quantum neural network learns simpler surrogate models based on the number of edges in the graph.
• Abstract（参考訳）: グラフ分類タスクにおいて,異なる量子機械学習ネットワークの性能を評価する。 内部対称性の異なる量子回路は、グラフの対称性に完全に、部分的には参照せず、データセット上で異なる性能を示す。 収束結果は、特定の構造を持ついくつかの特別なグラフを用いて検査される。 これらはトレーニングデータで起こりそうになく、量子ニューラルネットワークがグラフのエッジ数に基づいて単純な代理モデルを学ぶという仮定に反する特定のケースをカバーする。

関連論文リスト

• The role of data embedding in equivariant quantum convolutional neural networks [2.255961793913651]
  等変量子ニューラルネットワーク(EQNN)の性能に及ぼす古典量子埋め込みの影響について検討する。 等価な量子畳み込みニューラルネットワーク(QCNN)から得られた3種類の振幅埋め込みと、EQCNNの分類精度を数値的に比較する。
  論文  参考訳（メタデータ） (2023-12-20T18:25:15Z)
• Detecting quantum speedup of random walks with machine learning [8.151729519194182]
  グラフ上のランダムウォークにおける量子スピードアップを検出するために,機械学習技術を用いる。 その結果,トレーニング用データセットを慎重に構築することで,ニューラルネットワークの性能が向上することが示唆された。 分類精度がさらに向上すれば、これらのニューラルネットワークから量子優位性に関する貴重な洞察を得ることができる。
  論文  参考訳（メタデータ） (2023-09-05T13:19:47Z)
• What can we learn from quantum convolutional neural networks? [15.236546465767026]
  量子データを利用したモデルが、隠れた特徴写像を通してどのように解釈できるかを示す。 量子位相認識の高性能は、臨界点における鋭い特徴を持つ非常に効果的な基底を生成することから生じる。 我々の分析は量子データを扱う際の一般化の改善を強調している。
  論文  参考訳（メタデータ） (2023-08-31T12:12:56Z)
• 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)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)
• Analytic theory for the dynamics of wide quantum neural networks [7.636414695095235]
  本研究では,変分量子機械学習モデルの学習誤差に対する勾配降下のダイナミクスについて検討する。 ランダムな量子回路では、残差トレーニング誤差の指数的減衰をシステムのパラメータの関数として予測し、特徴付ける。
  論文  参考訳（メタデータ） (2022-03-30T23:24:06Z)
• Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
  グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。 egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。 このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
  論文  参考訳（メタデータ） (2022-01-13T16:35:45Z)
• Quantum Algorithms for Data Representation and Analysis [68.754953879193]
  機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。 これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。 その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-19T00:41:43Z)

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。