@misc{oai:repo.qst.go.jp:00082545,
 author = {間島, 慶 and 小出(間島)真子 and 八幡, 憲明 and Kei, Majima and Noriaki, Yahata},
 month = {Mar},
 note = {主成分分析・正準相関分析はともに多変量データから重要な低次元成分を抽出する統計手法である．しかし，これらのアルゴリズムは特異値分解に基づくため，次元数（変量の数）が数百万を超えるデータには，計算時間の問題からしばしば適用が困難となる．我々は近年発案された「量子インスパイアアルゴリズム」を用い，計算時間を次元数の対数オーダーに抑えつつ，主成分分析・正準相関分析を近似するアルゴリズムを計算機実装した．本報告において，複数の人工データ・実データを用いてその計算時間と性能を評価した結果を紹介する．また，量子インスパイアアルゴリズムを用いた高速計算は単なる計算時間の削減にとどまらず，新しいデータ解析の方法を提供する．例として，与えられた多変量データ内の変量同士で積をとり，それを新しい変量とみなすことで次元数を増加させ，得られた高次元データに我々の開発した量子インスパイア正準相関分析を適用した．この操作はデータの次元数を増加させるため，通常の正準相関分析では計算時間の肥大化により取り扱いが困難となる．MNISTデータセットを用いこれを行ったところ，提案法は線形のみの正準相関分析より多くの相関を抽出した．また抽出できた相関の量はカーネル正準相関分析，深層正準相関分析などの代表的な非線形手法と同程度であった．以上の結果は，量子インスパイアアルゴリズムが実データの解析において有用であり，従来では計算時間の問題から不可能であった超高次元データを扱う分野を開拓できる可能性を示している．, 第2回量子ソフトウェア研究発表会},
 title = {超高次元データ解析のための量子インスパイア主成分分析・正準相関分析の開発},
 year = {2021}
}