金融における量子機械学習:時系列予測【JST・京大機械翻訳】

Emmanoulopoulos Dimitrios; Dimoska Sofija

プレプリント

J-GLOBAL ID：202202219931573540 整理番号：22P0283211

金融における量子機械学習:時系列予測【JST・京大機械翻訳】

Quantum Machine Learning in Finance: Time Series Forecasting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年02月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

シミュレートした量子フォワード伝搬による時系列信号を予測するための量子ニューラルネットワーク(QNN)として,パラメトリスド量子回路(PQC)の新しい使用の有効性を調べた。時間的信号は,いくつかの正弦波成分(決定論的信号)から成り,傾向と付加雑音と共に混合する。PQCsの性能を古典的双方向長短期メモリ(BiLSTM)ニューラルネットワークと比較した。著者らの結果は,小さな振幅雑音変動(決定論的信号の振幅の40まで)からなる時系列信号に対して,少数のパラメータだけで,数千のパラメータで古典的BiLSTMネットワークに類似して,より高い振幅雑音変動を有する信号に対してそれらより優れていることを示した。したがって,QNNsは,同時に時系列をモデリングするために効果的に使用でき,同時に,量子コンピュータにおける古典的機械学習モデルよりも著しく訓練される重要な利点を,かなり速くする。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ニューロコンピュータ

, , ,

前のページに戻る