論文の概要: Hybrid Quantum Neural Network for Multivariate Clinical Time Series Forecasting
- arxiv url: http://arxiv.org/abs/2603.08072v1
- Date: Mon, 09 Mar 2026 08:08:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:15.687828
- Title: Hybrid Quantum Neural Network for Multivariate Clinical Time Series Forecasting
- Title（参考訳）: 多変量臨床時系列予測のためのハイブリッド量子ニューラルネットワーク
- Abstract要約: 本稿では、リカレント神経バックボーン内に変分量子回路(VQC)を統合するハイブリッド量子古典アーキテクチャを提案する。
本稿では,BIDMC PPGとRespirationデータセットに関する提案手法について,Leave-One-Patient-Outプロトコルを用いて評価する。
- 参考スコア（独自算出の注目度）: 1.273286181233646
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Forecasting physiological signals can support proactive monitoring and timely clinical intervention by anticipating critical changes in patient status. In this work, we address multivariate multi-horizon forecasting of physiological time series by jointly predicting heart rate, oxygen saturation, pulse rate, and respiratory rate at forecasting horizons of 15, 30, and 60 seconds. We propose a hybrid quantum-classical architecture that integrates a Variational Quantum Circuit (VQC) within a recurrent neural backbone. A GRU encoder summarizes the historical observation window into a latent representation, which is then projected into quantum angles used to parameterize the VQC. The quantum layer acts as a learnable non-linear feature mixer, modeling cross-variable interactions before the final prediction stage. We evaluate the proposed approach on the BIDMC PPG and Respiration dataset under a Leave-One-Patient-Out protocol. The results show competitive accuracy compared with classical and deep learning baselines, together with greater robustness to noise and missing inputs. These findings suggest that hybrid quantum layers can provide useful inductive biases for physiological time series forecasting in small-cohort clinical settings.
- Abstract（参考訳）: 生理的シグナルの予測は、患者の状態の重大な変化を予測することによって、積極的なモニタリングとタイムリーな臨床介入を支援することができる。
本研究では, 心拍数, 酸素飽和度, 脈拍数, 呼吸速度を15, 30, 60秒で同時予測することにより, 生理時系列の多変量マルチホライゾン予測を行う。
本稿では、リカレント神経バックボーン内に変分量子回路(VQC)を統合するハイブリッド量子古典アーキテクチャを提案する。
GRUエンコーダは、歴史的観測窓を潜在表現に要約し、VQCのパラメータ化に用いられる量子角に投影する。
量子層は学習可能な非線形特徴混合器として機能し、最終予測段階の前に異種相互作用をモデル化する。
本稿では,BIDMC PPGとRespirationデータセットに関する提案手法について,Leave-One-Patient-Outプロトコルを用いて評価する。
その結果,従来の学習ベースラインと深層学習ベースラインとの競争精度が向上し,ノイズや入力の欠落に対するロバスト性が向上した。
これらの結果から, ハイブリッド量子層は, 小規模臨床環境での生理的時系列予測に有用な誘導バイアスを与える可能性が示唆された。
関連論文リスト
- Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition [45.191945465591374]
外科的位相認識のためのタスク固有の軽量モデルは、時間的ダイナミクスを捉えるのに優れているが、ドメインシフト下での一般化は不十分である。
textbfLarge-textbfSmall textbfTemporal adaptation (textbfLaST)を提案する。
論文 参考訳（メタデータ） (2026-08-24T07:06:52Z) - A Quantum-Classical Hybrid Framework for Multivariate Time-Series Forecasting Complexity-Fidelity Trade-offs and Limitations [4.77829808535938]
本稿では,2種類のモデル変種であるQuantum Reservoir Forecaster (QRC-F) と変分量子予測器 (VQF-F) を紹介する。
提案フレームワークは,NISQハードウェア制約下での量子予測の複雑性-忠実トレードオフについて検討する。
その結果、NISQデバイスに展開する可能性の強い実用的な量子ネイティブ予測フレームワークが確立された。
論文 参考訳（メタデータ） (2026-07-17T10:30:12Z) - QLIF-CAST: Quantum Leaky-Integrate-and-Fire for Time-Series Weather Forecasting [2.1702673021505245]
この研究は、時系列回帰タスクにQuantum Leaky Integrate-and-Fireのスパイクニューラルネットワークを適用する。
QLIF-CASTは励起ニューロン状態を、Rx回転ゲートとT1緩和崩壊によって駆動される単一量子ビット量子重ね合わせとして符号化する。
IBM Marrakeshのハードウェア検証は信頼性の高い回路実行を確認し、シミュレーションからの平均偏差はわずか1.2%である。
論文 参考訳（メタデータ） (2026-05-18T12:49:46Z) - 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) - 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) - Stimulus-Voltage-Based Prediction of Action Potential Onset Timing: Classical vs. Quantum-Inspired Approaches [0.09320657506524148]
本稿では、APのオンセットを確率的事象として扱う量子インスパイアされたインテリジェンス・アンド・ファイア(QI-LIF)モデルを提案する。
従来の LIF モデルと QI-LIF モデルとの相対誤差を体系的に比較した。
以上の結果から,QI-LIFモデルは特に高強度刺激に対する予測誤差を著しく低減することが示された。
論文 参考訳（メタデータ） (2025-10-03T16:28:02Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。
本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - Quantum-Enhanced Channel Mixing in RWKV Models for Time Series Forecasting [0.0]
ニューラルシークエンスモデリングの最近の進歩は、RWKVのようなアーキテクチャにつながり、リカレントスタイルの時間混合とフィードフォワードチャネルミキシングを組み合わせることで、効率的なロングコンテキスト処理を可能にする。
本稿では、標準フィードフォワードネットワーク(FFN)を部分的に変分量子回路(VQC)に置き換えるRWKVモデルのハイブリッド量子ピース拡張であるQuantumRWKVを提案する。
量子コンポーネントは、PennyLaneフレームワークを介してエンドツーエンドの微分性を保ちながら、非線形表現能力を高めるように設計されている。
論文 参考訳（メタデータ） (2025-05-18T02:19:30Z) - 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) - Hybrid Quantum Recurrent Neural Network For Remaining Useful Life Prediction [67.410870290301]
本稿では、量子長短期記憶層と古典的な高密度層を組み合わせたハイブリッド量子リカレントニューラルネットワークフレームワークを提案する。
実験の結果、トレーニング可能なパラメータが少ないにもかかわらず、Hybrid Quantum Recurrent Neural Networkは、リカレントニューラルネットワークよりも最大5%改善できることがわかった。
論文 参考訳（メタデータ） (2025-04-29T14:41:41Z) - Neural Conformal Control for Time Series Forecasting [54.96087475179419]
非定常環境における適応性を高める時系列のニューラルネットワーク共形予測手法を提案する。
提案手法は,ニューラルネットワークエンコーダを用いた補助的マルチビューデータを活用することにより,望ましい対象範囲を達成するために設計されたニューラルネットワークコントローラとして機能する。
予測間隔の整合性に優れたキャリブレーションを組み合わさった手法は, 適用範囲と確率的精度の大幅な向上を実証的に示す。
論文 参考訳（メタデータ） (2024-12-24T03:56:25Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - A Hybrid Multi-Factor Network with Dynamic Sequence Modeling for Early Warning of Intraoperative Hypotension [2.9833446079112473]
過去の生理的信号を用いた術中低血圧(IOH)予測は重要である。
動的シーケンス予測タスクとしてIOH予測を定式化するハイブリッドマルチファクターネットワークを提案する。
公立と実世界の両方の臨床データセットの実験では、HMFが競争ベースラインを大幅に上回っていることが示されている。
論文 参考訳（メタデータ） (2024-09-17T10:46:41Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z)
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。