論文の概要: Q-BAR: Blogger Anomaly Recognition via Quantum-enhanced Manifold Learning

• arxiv url: http://arxiv.org/abs/2512.11071v1
• Date: Thu, 11 Dec 2025 19:39:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.543472
• Title: Q-BAR: Blogger Anomaly Recognition via Quantum-enhanced Manifold Learning
• Title（参考訳）: Q-BAR:量子強化マニフォールド学習によるブロガー異常認識
• Authors: Maida Wang,
• Abstract要約: レコメンデーション駆動のオンラインメディアでは、クリエーターは意味突然変異に悩まされ、悪意のある二次編集は意図した意味を変えながら視覚的忠実を保つ。 低データ状態における意味的異常を検出するためのハイブリッド量子古典的フレームワークQ-BARを提案する。 100人のクリエーターによるキュレートされたデータセットでは、従来のベースラインに比べてトレーニング可能なパラメータが大幅に少ない堅牢な検出性能を実現しています。
• 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 recommendation-driven online media, creators increasingly suffer from semantic mutation, where malicious secondary edits preserve visual fidelity while altering the intended meaning. Detecting these mutations requires modeling a creator's unique semantic manifold. However, training robust detector models for individual creators is challenged by data scarcity, as a distinct blogger may typically have fewer than 50 representative samples available for training. We propose quantum-enhanced blogger anomaly recognition (Q-BAR), a hybrid quantum-classical framework that leverages the high expressivity and parameter efficiency of variational quantum circuits to detect semantic anomalies in low-data regimes. Unlike classical deep anomaly detectors that often struggle to generalize from sparse data, our method employs a parameter-efficient quantum anomaly detection strategy to map multimodal features into a Hilbert space hypersphere. On a curated dataset of 100 creators, our quantum-enhanced approach achieves robust detection performance with significantly fewer trainable parameters compared to classical baselines. By utilizing only hundreds of quantum parameters, the model effectively mitigates overfitting, demonstrating the potential of quantum machine learning for personalized media forensics.
• Abstract（参考訳）: レコメンデーション駆動のオンラインメディアでは、クリエーターは意味突然変異に悩まされ、悪意のある二次編集は意図した意味を変えながら視覚的忠実を保つ。 これらの変異を検出するには、創造者のユニークな意味多様体をモデル化する必要がある。 しかし、個々のクリエーターのための堅牢な検出モデルのトレーニングはデータ不足に悩まされている。 本稿では、変動量子回路の高表現性とパラメータ効率を利用して、低データ状態における意味的異常を検出するハイブリッド量子古典的フレームワークQ-BARを提案する。 スパースデータからの一般化に苦慮する古典的な深部異常検出装置とは異なり,本手法ではパラメータ効率のよい量子異常検出手法を用いて,マルチモーダルな特徴をヒルベルト空間超球面にマッピングする。 100人のクリエーターによるキュレートされたデータセットでは、従来のベースラインに比べてトレーニング可能なパラメータが大幅に少ない堅牢な検出性能を実現しています。 数百の量子パラメータのみを利用することで、このモデルはオーバーフィッティングを効果的に軽減し、パーソナライズされたメディア鑑定のための量子機械学習の可能性を示す。

関連論文リスト

• Mitigating Barren plateaus in quantum denoising diffusion probabilistic models [49.90716699848553]
  量子生成モデルは量子重ね合わせと絡み合いを利用して、古典データと量子データの両方の学習効率を向上させる。 QuDDPMは量子生成学習のための有望なフレームワークとして提案されている。 本研究は,QuDDPMにおけるバレンプラトーの出現について,2つの設計状態がデノナイジング過程の入力として用いられることによるものである。 本稿では,Haar分布から一定の距離を保ち,トレーニング性を向上したQuDDPMを提案する。
  論文  参考訳（メタデータ） (2025-12-07T07:01:44Z)
• Towards Personalized Quantum Federated Learning for Anomaly Detection [8.888060860656859]
  異常検出は、ビデオ監視、医療診断、産業監視などの応用に大きな影響を及ぼす。 量子ネットワークでは、クライアントはハードウェア能力、回路設計、ノイズレベル、古典的なデータが量子状態にエンコードされるか、事前処理されるかという点でしばしば異なる。 異常検出のためのPQFL(Personal quantum Federated Learning)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-08T05:01:18Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• Avoided-crossings, degeneracies and Berry phases in the spectrum of quantum noise through analytic Bloch-Messiah decomposition [49.1574468325115]
  解析的ブロッホ・メシア分解 (analytic Bloch-Messiah decomposition) は量子光学系の力学を特徴づけるためのアプローチを提供する。 単一パラメータが変化した場合,回避された交差は自然に発生し,特異ベクトルの過敏性をもたらすことを示す。 我々は,避けられた交差を意図的に設計することで,フォトニックシステムのスペクトル応答をプログラムできる可能性を強調した。
  論文  参考訳（メタデータ） (2025-04-29T13:14:15Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Quantum-enhanced learning with a controllable bosonic variational sensor network [0.40964539027092906]
  絡み合ったセンサネットワーク(SLAEN)による教師付き学習 本稿では非線形データ分類タスクを処理できるSLAENを提案する。 分類誤差のしきい値現象は、プローブのエネルギーが一定のしきい値を超えると、誤差は劇的にゼロになる。
  論文  参考訳（メタデータ） (2024-04-28T19:41:40Z)
• Provably efficient variational generative modeling of quantum many-body systems via quantum-probabilistic information geometry [3.5097082077065003]
  パラメータ化混合状態に対する量子自然勾配降下の一般化を導入する。 また、堅牢な一階近似アルゴリズム、Quantum-Probabilistic Mirror Descentを提供する。 我々のアプローチは、モデル選択における柔軟性を実現するために、それまでのサンプル効率の手法を拡張しました。
  論文  参考訳（メタデータ） (2022-06-09T17:58:15Z)
• On Quantum Circuits for Discrete Graphical Models [1.0965065178451106]
  一般的な離散因子モデルから、偏りのない、独立なサンプルを確実に生成できる最初の方法を提案する。 本手法は多体相互作用と互換性があり,その成功確率は変数数に依存しない。 量子シミュレーションおよび実際の量子ハードウェアを用いた実験は,本手法が量子コンピュータ上でサンプリングおよびパラメータ学習を行うことができることを示す。
  論文  参考訳（メタデータ） (2022-06-01T11:03:51Z)
• Flexible Model Aggregation for Quantile Regression [92.63075261170302]
  量子回帰は、予測の不確実性を定量化する必要性によって動機付けられた統計学習の基本的な問題である。 条件付き量子モデルの任意の数を集約する手法について検討する。 この論文で検討するモデルはすべて、現代のディープラーニングツールキットに適合します。
  論文  参考訳（メタデータ） (2021-02-26T23:21:16Z)

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。