論文の概要: A Mixture-of-Experts Framework for Practical Hybrid-Quantum Models in Credit Card Fraud Detection

• arxiv url: http://arxiv.org/abs/2603.06473v1
• Date: Fri, 06 Mar 2026 16:58:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:46.284907
• Title: A Mixture-of-Experts Framework for Practical Hybrid-Quantum Models in Credit Card Fraud Detection
• Title（参考訳）: クレジットカード不正検出のための実用的ハイブリッド量子モデルのためのMixture-of-Expertsフレームワーク
• Authors: Rodrigo Chaves, Kunal Kumar, Bruno Chagas, Rory Linerud, Brannen Sorem, Javier Mancilla, Bryn Bell,
• Abstract要約: 本稿では,ハイブリッド量子古典機械学習が,金融詐欺検出性能の実用的な改善をもたらすかどうかを考察する。 Guided Quantumアーキテクチャに基づいて構築されたこのアプローチは、オートエンコーダ、変分量子回路、古典的なニューラルヘッドを統合する。 その結果、量子古典モデルへのトランザクションのルーティングは、現代の金融機関のレイテンシや運用上の制約と互換性を維持しながら不正検出を促進できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.08208704543835962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates whether hybrid quantum-classical machine learning can deliver practical improvements in financial fraud detection performance for card-based and other payment transactions. Building on a Guided Quantum Compressor architecture, the approach integrates an autoencoder, a variational quantum circuit, and a classical neural head, and then embeds this hybrid model into a mixture-of-experts framework including a state-of-the-art gradient-boosted tree classifier. Using a European credit card dataset with severe class imbalance, the routed hybrid architecture achieves average precision scores of $0.793\pm0.085$ compared to $0.770\pm0.065$ of XGBoost on 3 repeated 5-fold cross-validation benchmarks. Precision and recall comparisons reveals a possible trade-off of fraud and nominal detections with a reduction in false positives at the cost of a small reduction in fraud detections. The improvements are achieved while adding only 7 to 21 minutes of extra inference time depending on the choice of hyperparameters. These results indicate that selectively routing transactions to quantum-classical models can enhance fraud detection while remaining compatible with the latency and operational constraints of modern financial institutions.
• Abstract（参考訳）: 本稿では,ハイブリッド量子古典機械学習が,カードベースおよび他の決済トランザクションに対して,金銭的不正検出性能の実用的な改善をもたらすかどうかを検討する。 Guided Quantum Compressorアーキテクチャに基づいて、このアプローチはオートエンコーダ、変分量子回路、古典的ニューラルヘッドを統合し、そのハイブリッドモデルを、最先端の勾配木分類器を含む試験的なフレームワークに組み込む。 厳密なクラス不均衡の欧州のクレジットカードデータセットを使用して、ルート付きハイブリッドアーキテクチャは平均精度スコアが0.793\pm0.085$、XGBoostが0.770\pm0.065$であるのに対し、繰り返し5倍のクロスバリデーションベンチマークは0.770\pm0.065$である。 精度とリコールの比較により、不正検出と名目検出のトレードオフがあり、詐欺検出の少なさを犠牲にして偽陽性の低減が図られる。 改善はハイパーパラメータの選択に応じて7分から21分追加の推論時間を追加することで達成される。 これらの結果は、量子古典モデルにトランザクションを選択的にルーティングすることで、現代の金融機関のレイテンシや運用上の制約と互換性を保ちながら不正検出を促進できることを示唆している。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Quantum Machine Learning Approaches for Coordinated Stealth Attack Detection in Distributed Generation Systems [0.0]
  コーディネートステルス攻撃は、分散型システムにとって深刻なサイバーセキュリティの脅威である。 本研究では,マイクログリッドにおける分散生成ユニットにおける協調ステルス攻撃検出のための量子機械学習手法について検討した。
  論文  参考訳（メタデータ） (2025-12-30T18:32:13Z)
• FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report [36.1999598554273]
  本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。 我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。 実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
  論文  参考訳（メタデータ） (2025-07-25T16:08:22Z)
• Toward Practical Quantum Machine Learning: A Novel Hybrid Quantum LSTM for Fraud Detection [0.1398098625978622]
  本稿では,不正検出のためのハイブリッド量子古典ニューラルネットワークアーキテクチャを提案する。 重畳や絡み合いなどの量子現象を活用することで、我々のモデルはシーケンシャルトランザクションデータの特徴表現を強化する。 その結果,従来のLSTMベースラインと比較して,精度,精度,リコール,F1スコアの競争力の向上が示された。
  論文  参考訳（メタデータ） (2025-04-30T19:09:12Z)
• Detecting Financial Fraud with Hybrid Deep Learning: A Mix-of-Experts Approach to Sequential and Anomalous Patterns [0.0]
  本研究では、Mixture of Experts(MoE)フレームワークとRecurrent Neural Networks(RNN)、Transformer Encoders、Autoencodersを統合したクレジットカード不正検出用ハイブリッドアーキテクチャを提案する。 MoEフレームワークは専門家の予測責任を動的に割り当て、適応的で文脈に敏感な意思決定を可能にする。 提案するハイブリッドシステムは、ますます洗練された詐欺パターンを検出するために、スケーラブルでモジュラーで規制対応のアプローチを提供する。
  論文  参考訳（メタデータ） (2025-04-01T20:47:18Z)
• Securing Transactions: A Hybrid Dependable Ensemble Machine Learning Model using IHT-LR and Grid Search [2.4374097382908477]
  本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。 実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。 提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-22T09:01:42Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)
• Consistency Regularization for Certified Robustness of Smoothed Classifiers [89.72878906950208]
  最近のランダムな平滑化技術は、最悪の$ell$-robustnessを平均ケースのロバストネスに変換することができることを示している。 その結果,スムーズな分類器の精度と信頼性の高いロバスト性とのトレードオフは,ノイズに対する予測一貫性の規則化によって大きく制御できることが判明した。
  論文  参考訳（メタデータ） (2020-06-07T06:57:43Z)

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。