WEKO3
アイテム
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の開発
https://repo.qst.go.jp/records/83373
https://repo.qst.go.jp/records/833733843426d-fd50-4225-b13e-194f98c33a40
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
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の開発 (291.7 kB)
|
|
| Item type | 会議発表用資料 / Presentation(1) | |||||
|---|---|---|---|---|---|---|
| 公開日 | 2021-07-18 | |||||
| タイトル | ||||||
| タイトル | 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の開発 | |||||
| タイトル | ||||||
| タイトル | Quantum-inspired principal component analysis for exponentially large dimensional data | |||||
| 言語 | en | |||||
| 言語 | ||||||
| 言語 | jpn | |||||
| 資源タイプ | ||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_c94f | |||||
| 資源タイプ | conference object | |||||
| 著者 |
間島, 慶
× 間島, 慶× 小出(間島)真子× 八幡, 憲明× Kei, Majima× Noriaki, Yahata |
|||||
| 抄録 | ||||||
| 内容記述タイプ | Abstract | |||||
| 内容記述 | Principal component analysis (PCA) is a widely used statistical tool for extracting low-dimensional structures underlying multivariate data. However, its application to high-dimensional data is limited due to its large computational time. While the conventional PCA algorithm requires polynomial time, using a quantum-inspired algorithm as a subroutine, we have implemented an algorithm that approximates it with computational time proportional to the logarithm of the input dimensionality. The computational efficiency and performance of the implemented algorithm, quantum-inspired PCA, are experimentally evaluated on synthetic and real datasets. | |||||
| 会議概要（会議名, 開催地, 会期, 主催者等） | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | 第31回 日本神経回路学会 全国大会（JNNS2021） | |||||
| 発表年月日 | ||||||
| 日付 | 2021-09-21 | |||||
| 日付タイプ | Issued | |||||
