文献

J-GLOBAL ID：202202257413972376   整理番号：22A0451145

プロトタイプベース分類機密のための量子触発学習ベクトル量子化器:ニューラルネットワークとアプリケーション5/2020への個人使用のための個人利用【JST・京大機械翻訳】

Quantum-inspired learning vector quantizers for prototype-based classification Confidential: for personal use only-submitted to Neural Networks and Applications 5/2020

著者 (5件)： Villmann Thomas (Saxon Institute for Computational Intelligence and Machine Learning (SICIM), University of Applied Sciences Mittweida, Mittweida, Germany) ,  Engelsberger Alexander (Saxon Institute for Computational Intelligence and Machine Learning (SICIM), University of Applied Sciences Mittweida, Mittweida, Germany) ,  Ravichandran Jensun (Saxon Institute for Computational Intelligence and Machine Learning (SICIM), University of Applied Sciences Mittweida, Mittweida, Germany) ,  Villmann Andrea (Berufliches Schulzentrum Dobeln-Mittweida, Schulteil Mittweida, Mittweida, Germany) ,  Kaden Marika (Saxon Institute for Computational Intelligence and Machine Learning (SICIM), University of Applied Sciences Mittweida, Mittweida, Germany)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 1  ページ： 79-88  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 一般化学習ベクトル量子化(GLVQ)のようなプロトタイプベースのモデルは,解釈可能な分類器のクラスに属する。さらに,量子インスパイアード法は,その潜在的効率的コンピューティングにより,機械学習においてますます焦点を得られる。さらに,その興味深い数学的展望は,代替学習シナリオの新しいアイデアを提供する。本論文では,分類学習のためのプロトタイプベースのGLVQの量子コンピューティングにヒントを得た変異体を提案した。実および複素値カーネルとそれらの各特徴マッピングを用いてカーネル化GLVQを考察した。その後,量子状態空間[数式:原文を参照]の量子ビットベクトル空間を用いて量子空間アイデアをGLVQに統合できる方法を説明し,カーネル化GLVQとの関係を示した。特に,量子状態空間[数式:原文を参照]へのデータの関連特徴マッピングを説明した。このアプローチの重要な特徴は,[数式:原文を参照]が特定の内部製品特性を有するHilbert空間であり,最終的に,プロトタイプ適応をユニタリー変換に制限することである。得られたアプローチをQu-GLVQと表示した。数学的枠組みを提供し,典型的な数値結果を与えた。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Hilbert空間 ,  ベクトル空間 ,  *学習 ,  *ニューラルネットワーク ,  ユニタリー変換 ,  *応用プログラム ,  機械学習 ,  プロトタイプ ,  量子計算
準シソーラス用語： 量子状態 ,  学習ベクトル量子化 ,  分類学習 ,  量子ビット ,  カーネル化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 量子機械学習 ,  学習ベクトル量子化 ,  分類 ,  解釈可能モデル ,  プロトタイプベースモデル

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： プロトタイプ ,  分類 ,  機密 ,  量子 ,  学習ベクトル量子化 ,  ニューラルネットワーク ,  アプリケーション ,  個人