論文の概要: Quantum Kernel k-Means for Credit-Card Fraud Detection:A Controlled Benchmark on Real Transaction Data

• arxiv url: http://arxiv.org/abs/2608.15718v1
• Date: Sun, 16 Aug 2026 12:41:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.400811
• Title: Quantum Kernel k-Means for Credit-Card Fraud Detection:A Controlled Benchmark on Real Transaction Data
• Title（参考訳）: クレジットカード不正検出のための量子カーネルk平均:実取引データに対する制御ベンチマーク
• Abstract要約: 実取引データに対するクレジットカード不正検出のための古典的クラスタリングに対して、量子カーネル$k$-meansをベンチマークした。 差の兆候はレジスタサイズに依存し、すべての効果サイズは0.013ドル ARI 以下である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We benchmarked quantum kernel $k$-means against classical clustering for credit-card fraud detection on real transaction data, at up to \MaxQubits{} qubits, under a protocol with separated selection and reporting data and matched search budgets. We find no robust quantum advantage: the sign of the difference depends on register size, all effect sizes are below $0.013$ ARI, and the single significant advantage we observe is fully explained by the number of configurations searched. We further show that ordinary hyperparameter choices move performance by considerably more than the quantum kernel does, that additional qubits degrade rather than improve performance through kernel concentration, and that the clustering framing itself fails at realistic class imbalance though kernel-based anomaly scoring does not. We regard the methodological contribution as the more durable one. The search-budget ablation in particular is inexpensive and, in our case, decisive: it converted a statistically significant advantage into a procedural artefact. We would encourage its routine use.
• Abstract（参考訳）: 量子カーネルの$k$-meansを従来のクラスタリングと比較し、実際のトランザクションデータに対するクレジットカード不正検出、最大Qubits{} qubitsを、分離された選択とレポートデータと一致した検索予算を備えたプロトコルでベンチマークした。 差の兆候はレジスタサイズに依存し、すべての効果サイズは0.013ドル ARI 以下であり、我々の観測した重要な利点は検索された構成数によって完全に説明される。 さらに、通常のハイパーパラメータ選択は、量子カーネルよりもかなり多く性能を向上し、追加の量子ビットは、カーネル濃度による性能向上よりも劣化し、クラスタリングフレーミング自体が、カーネルベースの異常スコアが得られなくても、現実的なクラス不均衡で失敗することを示した。 我々はその方法論的貢献をより耐久性のあるものとみなしている。 特に検索予算のアブレーションは安価で決定的であり、統計的に重要な利点を手続き的アーティファクトに転換した。 私たちはその日常的な使用を奨励します。

関連論文リスト

• Balancing Expressivity and Learnability in Quantum Kernel Bandit Optimization [50.880384999888044]
  我々は,不特定なGP帯域幅アルゴリズムを開発し,近似誤差と情報ゲインとのトレードオフを特徴付ける後悔境界を導出する。 提案手法は, 計算オーバーヘッドを大幅に低減しつつ, サンプル効率で完全量子カーネルの性能を向上する。
  論文  参考訳（メタデータ） (2026-07-01T15:38:00Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Trade-off between Bagging and Boosting for quantum separability-entanglement classification [0.0]
  量子分離性問題に対するランダムアンダーサンプリングブースターCHA(RUSBCHA)の長所と短所を比較した。 結果は、RUSBCHAがBCHAアプローチに代わるものであることを示唆している。
  論文  参考訳（メタデータ） (2024-01-22T15:29:35Z)
• Majorization-based benchmark of the complexity of quantum processors [105.54048699217668]
  我々は、様々な量子プロセッサの動作を数値的にシミュレートし、特徴付ける。 我々は,各デバイスの性能をベンチマークラインと比較することにより,量子複雑性を同定し,評価する。 我々は、回路の出力状態が平均して高い純度である限り、偏化ベースのベンチマークが成り立つことを発見した。
  論文  参考訳（メタデータ） (2023-04-10T23:01:10Z)
• Validation tests of GBS quantum computers give evidence for quantum advantage with a decoherent target [62.997667081978825]
  複数モードデータの検証に指紋としてグループカウント確率の正P位相空間シミュレーションを用いる。 偽データを解き放つ方法を示し、これを古典的なカウントアルゴリズムに適用する。
  論文  参考訳（メタデータ） (2022-11-07T12:00:45Z)
• Shot-frugal and Robust quantum kernel classifiers [12.146571029233435]
  量子カーネル法は、機械学習における量子スピードアップの候補である。 分類タスクにおいて,その目的は信頼性の高い分類であり,正確なカーネル評価ではないことを示す。 我々は分類の信頼性を特徴付ける新しい指標を動機付けている。
  論文  参考訳（メタデータ） (2022-10-13T12:48:23Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• Unsupervised quantum machine learning for fraud detection [23.87373187143897]
  我々は、異常検出のための量子プロトコルを開発し、クレジットカード不正検出のタスクに適用する。 20量子ビットでは、平均精度の量子古典的分離が15%に達する。 本稿では、近・中期量子ハードウェアによる不正検出の可能性について論じ、今後の改善の可能性について述べる。
  論文  参考訳（メタデータ） (2022-08-02T02:08:52Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Importance of Kernel Bandwidth in Quantum Machine Learning [3.528111249547925]
  量子カーネルの帯域幅を最適化することで,ランダムな推定から古典的手法との競合まで,カーネル手法の性能が向上することを示す。 我々は負の結果を再現し、複数の量子カーネルと古典的データセットを用いた広範な数値実験により、カーネルの帯域幅が最適化された場合、代わりに量子ビット数の増加により性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-11-09T23:23:23Z)
• Kernel k-Means, By All Means: Algorithms and Strong Consistency [21.013169939337583]
  Kernel $k$クラスタリングは、非線形データの教師なし学習のための強力なツールである。 本稿では,最適化された局所解に対処するための一般的な手法を応用した結果を一般化する。 我々のアルゴリズムは、この非線形分離問題をよりよく解くために、Magricalization-minimization (MM) を利用している。
  論文  参考訳（メタデータ） (2020-11-12T16:07:18Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。