論文の概要: Diversity-Aware Ensemble of Quantum-Classical Models via Combinatorial Fusion

• arxiv url: http://arxiv.org/abs/2610.13808v1
• Date: Fri, 09 Oct 2026 16:20:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.684729
• Title: Diversity-Aware Ensemble of Quantum-Classical Models via Combinatorial Fusion
• Title（参考訳）: 組合せ融合による量子古典モデルの多様性を考慮したアンサンブル
• Abstract要約: 本稿では, 量子回路探索空間における構造的多様性が, モデル融合によるより強い予測を導出できるかどうかを論じる。 我々は、ランクスコア関数(RSF)と認知多様性(CD)を用いて複数のスコアシステムを選択し、組み合わせるモデル融合フレームワークである Combinatorial Fusion Analysis(CFA)を適用する。 異なる領域をカバーする4つのバイナリ分類ベンチマークの実験により、CFAベースのハイブリッド古典量子融合は、考慮されたデータセットごとの最良の個別モデルよりも一貫して優れていることが示された。
• 参考スコア（独自算出の注目度）: 13.209078848918994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational quantum circuits (VQCs) are highly sensitive to circuit architecture, yet most quantum machine learning pipelines select a single best design and discard the remaining candidates. This paper addresses whether the structural diversity across quantum circuit search spaces can be used to produce stronger predictions through model fusion. We apply Combinatorial Fusion Analysis (CFA), a model fusion framework that selects and combines multiple scoring systems using rank-score function (RSF) and cognitive diversity (CD), to a pool of 29 architecturally diverse classical models and quantum circuits. Using a diversity-aware model selection method, we identify subsets of maximally diverse models and combine them with both score and rank combination. Experiments on four binary classification benchmarks covering different domains demonstrate that CFA-based hybrid classical-quantum fusion consistently outperform the best individual model on every dataset considered with improvements up to 6.03% in accuracy. When comparing with relevant literatures, the CFA framework further achieves superior performance across all four datasets.
• Abstract（参考訳）: 変分量子回路(VQC)は回路アーキテクチャに非常に敏感であるが、ほとんどの量子機械学習パイプラインは単一の最良の設計を選択し、残りの候補を捨てる。 本稿では, 量子回路探索空間における構造的多様性が, モデル融合によるより強い予測を導出できるかどうかを論じる。 本稿では,ランクスコア関数 (RSF) と認知多様性 (CD) を用いて複数のスコアシステムを選択し,組み合わせるモデル融合フレームワークである Combinatorial Fusion Analysis (CFA) を,29のアーキテクチャ的多様な古典モデルと量子回路のプールに適用する。 多様性を考慮したモデル選択法を用いて、最大多様なモデルのサブセットを特定し、スコアとランクの組み合わせを組み合わせる。 異なるドメインをカバーする4つのバイナリ分類ベンチマークの実験は、CFAベースのハイブリッド古典量子融合が、最大6.03%の精度で考慮された全てのデータセットにおいて、最高の個別モデルよりも一貫して優れていることを示した。 関連する文献と比較すると,CFAフレームワークはさらに,4つのデータセットすべてに対して優れたパフォーマンスを実現している。

関連論文リスト

• You're Hired: Strategic Model Selection for LLM Collaboration [50.666814272202224]
  本稿では,モデル記述の多様性,能力を考慮した行動多様性,LLMに基づく採用者など,9つの選抜アルゴリズムの分類法を提案する。 10モデルと32モデルの2つの候補プールにまたがって実験を行い、4つのモデルコラボレーションアルゴリズムで展開し、数学、コーディング、QA、推論にまたがるタスクで評価する。
  論文  参考訳（メタデータ） (2026-09-30T02:44:01Z)
• Surrogate assisted diversity estimation in neural ensemble search [44.52358625347745]
  アンサンブルはディープニューラルネットワークの性能と堅牢性を改善するための標準的な方法である。 二重目的のサロゲート誘導アンサンブル探索を導入する。 我々の最終アンサンブルは、標準ベースラインと比較して、競争力または優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-29T14:09:55Z)
• Practical Quantum-Classical Feature Fusion for complex data Classification [0.0]
  ハイブリッド量子と古典学習は、古典的ニューラルネットワークの堅牢性と量子特徴写像を結合することを目的としている。 本稿では,ハイブリッド学習のマルチモーダルな定式化について述べる。 本研究では, ワイン, 乳がん, 森林被覆タイプ, ファッションMNIST, スティールプランツフォールトについて, 量子オントモデル, 古典的ベースライン, 残留ハイブリッドモデル, 提案中核融合モデルを比較した。
  論文  参考訳（メタデータ） (2025-12-22T09:16:08Z)
• Parallel Multi-Circuit Quantum Feature Fusion in Hybrid Quantum-Classical Convolutional Neural Networks for Breast Tumor Classification [0.0]
  本稿では、BreastMNISTデータセットのバイナリ分類のために設計されたハイブリッド量子古典畳み込みニューラルネットワーク(QCNN)アーキテクチャを提案する。 この結果から, ハイブリッドQCNNアーキテクチャは, 絡み合いと量子的特徴融合を利用して, 医用画像分類タスクを強化することができることがわかった。
  論文  参考訳（メタデータ） (2025-11-29T17:47:14Z)
• HSFN: Hierarchical Selection for Fake News Detection building Heterogeneous Ensemble [7.982080205252205]
  本稿では,その多様性を優先し,性能によって拡張された新しい自動分類器選択手法を提案する。 異なるアプリケーションドメインから6つのデータセットにまたがる40の異種分類器を用いて実験を行う。 その結果,提案手法は6つのデータセットのうち2つにおいて最も精度が高いことがわかった。
  論文  参考訳（メタデータ） (2025-08-29T10:09:20Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• A performance characterization of quantum generative models [35.974070202997176]
  量子生成モデリングに使用される量子回路を比較する。 2つの一般的なトレーニング手法を用いてデータセットの確率分布を学習する。 確率分布のコプラを学習する離散アーキテクチャの変種が、他のすべての手法より優れていることを実証的に見出した。
  論文  参考訳（メタデータ） (2023-01-23T11:00:29Z)
• MetaQA: Combining Expert Agents for Multi-Skill Question Answering [49.35261724460689]
  マルチデータセットモデルの有望な結果にもかかわらず、いくつかのドメインやQAフォーマットは特定のアーキテクチャを必要とするかもしれません。 本稿では,専門家エージェントと,質問,回答予測,回答予測信頼度スコアを考慮した,新しい,柔軟な,学習効率の高いアーキテクチャを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-12-03T14:05:52Z)
• Quantum Machine Learning with SQUID [64.53556573827525]
  分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。 本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
  論文  参考訳（メタデータ） (2021-04-30T21:34:11Z)

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。