論文の概要: Feature Ranking in Credit-Risk with Qudit-Based Networks

• arxiv url: http://arxiv.org/abs/2511.19150v1
• Date: Mon, 24 Nov 2025 14:15:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.245847
• Title: Feature Ranking in Credit-Risk with Qudit-Based Networks
• Title（参考訳）: クイディットネットワークを用いた信用リスクの特徴ランク付け
• Authors: Georgios Maragkopoulos, Lazaros Chavatzoglou, Aikaterini Mandilara, Dimitris Syvridis,
• Abstract要約: 金融においては、予測モデルは正確性と解釈可能性のバランスをとる必要がある。 量子ニューラルネットワーク(QNN)を1つのキューディットに基づいて提案する。 台湾の信用リスクデータセットを実世界の非バランスでベンチマークする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In finance, predictive models must balance accuracy and interpretability, particularly in credit risk assessment, where model decisions carry material consequences. We present a quantum neural network (QNN) based on a single qudit, in which both data features and trainable parameters are co-encoded within a unified unitary evolution generated by the full Lie algebra. This design explores the entire Hilbert space while enabling interpretability through the magnitudes of the learned coefficients. We benchmark our model on a real-world, imbalanced credit-risk dataset from Taiwan. The proposed QNN consistently outperforms LR and reaches the results of random forest models in macro-F1 score while preserving a transparent correspondence between learned parameters and input feature importance. To quantify the interpretability of the proposed model, we introduce two complementary metrics: (i) the edit distance between the model's feature ranking and that of LR, and (ii) a feature-poisoning test where selected features are replaced with noise. Results indicate that the proposed quantum model achieves competitive performance while offering a tractable path toward interpretable quantum learning.
• Abstract（参考訳）: 金融においては、予測モデルは正確性と解釈可能性のバランスをとる必要があり、特に信用リスク評価ではモデル決定が実質的な結果をもたらす。 量子ニューラルネットワーク(QNN)は,データ特徴とトレーニング可能なパラメータの両方を,完全リー代数によって生成される統一ユニタリ進化の中で共符号化する。 この設計はヒルベルト空間全体を探索し、学習された係数の大きさを通した解釈性を実現する。 台湾の信用リスクデータセットを実世界の非バランスでベンチマークする。 提案したQNNは、学習パラメータと入力特徴の透過的な対応を維持しつつ、LRを一貫して上回り、マクロF1スコアのランダムフォレストモデルの結果に達する。 提案するモデルの解釈可能性の定量化には,2つの相補的指標を導入する。 一 モデルの特徴ランクとLRの編集距離 (ii)選択した特徴をノイズに置き換える機能検査。 その結果,提案した量子モデルは,解釈可能な量子学習へのトラクタブルパスを提供しながら,競争性能を達成できることが示唆された。

関連論文リスト

• A Novel XAI-Enhanced Quantum Adversarial Networks for Velocity Dispersion Modeling in MaNGA Galaxies [14.016108312641101]
  本稿では,従来のディープラーニング層とハイブリッド量子ニューラルネットワーク(QNN)を統合した新しい量子対向フレームワークを提案する。 提案モデルでは,予測精度とモデル説明可能性の両方を最適化し,QNNを並列に導出する。 実証的な評価は、バニラモデルがRMSE = 0.27、MSE = 0.071、MAE = 0.21、R2 = 0.59を達成し、敵のモデルと比較して最も一貫したパフォーマンスを提供することを示している。
  論文  参考訳（メタデータ） (2025-10-28T16:27:10Z)
• IQNN-CS: Interpretable Quantum Neural Network for Credit Scoring [2.2133667529581933]
  マルチクラス信用リスク分類のための解釈可能な量子ニューラルネットワークフレームワークであるIQNN-CSを提案する。 ICAAは、予測クラス間で属性のばらつきを定量化し、モデルが信用リスクカテゴリをいかに区別するかを明らかにする新しい計量である。 本結果は、財務意思決定のための透明で説明可能なQMLモデルへの実践的な道のりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-16T18:02:03Z)
• Learning Compact Representations of LLM Abilities via Item Response Theory [35.74367665390977]
  大規模言語モデル(LLM)のコンパクト表現の学習方法について検討する。 この問題は、与えられたモデルが特定のクエリに正しく答える確率を推定するものである。 これらのパラメータを共同で学習するために、モデルとクエリレベルの埋め込みを結合するMixture-of-Experts(MoE)ネットワークを導入する。
  論文  参考訳（メタデータ） (2025-10-01T12:55:34Z)
• Model Correlation Detection via Random Selection Probing [62.093777777813756]
  既存の類似性に基づく手法では、モデルパラメータにアクセスしたり、しきい値なしでスコアを生成する必要がある。 本稿では,モデル相関検出を統計的テストとして定式化する仮説テストフレームワークであるランダム選択探索(RSP)を紹介する。 RSPは相関の証拠を定量化する厳密なp-値を生成する。
  論文  参考訳（メタデータ） (2025-09-29T01:40:26Z)
• A recursive Bayesian neural network for constitutive modeling of sands under monotonic and cyclic loading [0.0]
  工学において、モデルは様々な排水条件、ストレスパス、ロード履歴をまたいだ土壌の挙動を捉える中心となる。 本研究では,時間列学習を一般化推論で統一する再帰的ベイズニューラルネットワーク(rBNN)フレームワークを提案する。 このフレームワークは、シミュレートされた3軸テストと実験的な3軸テストの両方にまたがる4つのデータセットに対して検証される。
  論文  参考訳（メタデータ） (2025-01-17T10:15:03Z)
• Evaluating Generative Language Models in Information Extraction as Subjective Question Correction [49.729908337372436]
  本稿では,新しい評価手法SQC-Scoreを提案する。 主観的質問訂正の原則に着想を得て,新しい評価手法SQC-Scoreを提案する。 3つの情報抽出タスクの結果から,SQC-Scoreは基準値よりもアノテータの方が好ましいことが示された。
  論文  参考訳（メタデータ） (2024-04-04T15:36:53Z)
• Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
  我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
  論文  参考訳（メタデータ） (2024-03-11T05:35:38Z)
• Decomposing Uncertainty for Large Language Models through Input Clarification Ensembling [69.83976050879318]
  大規模言語モデル(LLM)では、不確実性の原因を特定することが、信頼性、信頼性、解釈可能性を改善するための重要なステップである。 本稿では,LLMのための不確実性分解フレームワークについて述べる。 提案手法は,入力に対する一連の明確化を生成し,それらをLLMに入力し,対応する予測をアンサンブルする。
  論文  参考訳（メタデータ） (2023-11-15T05:58:35Z)
• Uncertainty quantification of two-phase flow in porous media via coupled-TgNN surrogate model [6.705438773768439]
  地下二相流の不確実性定量化(UQ)は通常、様々な条件下でのフォワードシミュレーションの多数の実行を必要とする。 本研究では, 理論誘導型ニューラルネットワーク(TgNN)をベースとした新しいサロゲートモデルを構築し, 良好な精度で効率を向上する。
  論文  参考訳（メタデータ） (2022-05-28T02:33:46Z)
• Explaining and Improving Model Behavior with k Nearest Neighbor Representations [107.24850861390196]
  モデルの予測に責任のあるトレーニング例を特定するために, k 近傍表現を提案する。 我々は,kNN表現が学習した素因関係を明らかにするのに有効であることを示す。 以上の結果から,kNN手法により,直交モデルが逆入力に対してより堅牢であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-18T16:55:25Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。