JP2019096334A5

JP2019096334A5 -

Info

Publication number: JP2019096334A5
Application number: JP2019001292A
Authority: JP
Filing date: 2019-01-08
Publication date: 2020-06-18
Anticipated expiration: 2034-06-26

Claims

量子プロセッサ及び非量子プロセッサを用いて、データを自動的にラベル付けする方法であって、
少なくとも１つのプロセッサ可読記憶媒体において、ラベル付けされていないデータを受信するステップと、
前記量子プロセッサを用いて、前記受信されたラベル付けされていないデータ上でスパースコーディングを使用して辞書アトムの辞書を学習するステップと、
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップであって、各々のラベル付けされたデータ要素は、少なくとも１つのそれぞれのラベル要素からなる少なくとも１つのそれぞれのラベルを組み込む、ステップと、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記辞書を使用してラベル付けされたデータを再構築して、符号化されたラベル付けされたデータ要素を生成するステップと、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記符号化されたラベル付けされたデータ要素を使用して、教師あり学習処理を実行して、分類器またはラベルアサイナのうちの少なくとも１つを生成するステップと、
前記生成された少なくとも１つの分類器またはラベルアサイナを前記少なくとも１つのプロセッサ可読記憶媒体に記憶するステップと
を含む、方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、教師あり学習処理を実行するステップは、パーセプトロンアルゴリズム、ｋ近傍法（ｋＮＮ）アルゴリズム、またはＬ１およびＬ２損失アルゴリズムを有する線形サポートベクトルマシン（ＳＶＭ）のうちの少なくとも１つを実行するステップを含む、請求項１に記載の方法。
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップは、ラベル付けされた画像データ要素を受信するステップを含み、各々のラベル付けされた画像データ要素は、少なくとも１つのそれぞれの画像ラベル要素からなる少なくとも１つのそれぞれのラベルを組み込む、請求項１に記載の方法。
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップは、各々が特定のタイプまたはフォーマットのデータのラベル付けされたデータ要素を受信するステップを含み、および各々のラベル付けされたデータ要素は、前記受信されたそれぞれのラベル要素と同一の特定のタイプまたはフォーマットのデータのものである、請求項１に記載の方法。
量子プロセッサ及び非量子プロセッサを用いて、データを自動的にラベル付けする方法であって、
少なくとも１つのプロセッサ可読記憶媒体において、ラベル付けされていないデータを受信するステップと、
前記量子プロセッサを用いて、前記受信されたラベル付けされていないデータ上でスパースコーディングを使用して辞書アトムの辞書を学習するステップと、
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップであって、少なくとも１つのそれぞれのラベルを組み込む、各々のラベル付けされたデータ要素は、少なくとも１つのそれぞれのラベル要素からなる、ステップと、
前記ラベル付けされたデータ要素を事前処理して、事前処理されたラベル付けされたデータ要素を生成するステップと、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記辞書を使用して前記事前処理されたラベル付けされたデータ要素を再構築して、符号化されたラベル付けされたデータ要素を生成するステップと、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記符号化されたラベル付けされたデータ要素を使用して、教師あり学習処理を実行して、分類器またはラベルアサイナのうちの少なくとも１つを生成するステップと、
前記生成された少なくとも１つの分類器またはラベルアサイナを前記少なくとも１つのプロセッサ可読記憶媒体に記憶するステップと、
を含む、方法。
前記ラベル付けされたデータ要素は、ラベル付けされた画像データ要素を含み、および前記ラベル付けされたデータ要素を事前処理して、事前処理されたラベル付けされたデータ要素を生成するステップは、
前記画像データ要素のコントラストもしくは輝度のうちの少なくとも１つを正規化するステップ、
前記画像データ要素をホワイトニングするステップ、
零相成分分析（ＺＣＡ）ホワイトニングを前記画像データ要素に適用するステップ、または
前記画像データ要素の次元を削減するステップ
のうちの少なくとも１つを含む、請求項５に記載の方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、教師あり学習処理を実行するステップは、パーセプトロンアルゴリズム、ｋ近傍法（ｋＮＮ）アルゴリズム、またはＬ１およびＬ２損失アルゴリズムを有する線形サポートベクトルマシン（ＳＶＭ）のうちの少なくとも１つを実行するステップを含む、請求項５に記載の方法。
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップは、ラベル付けされた画像データ要素を受信するステップを含み、各々のラベル付けされた画像データ要素は、少なくとも１つのそれぞれの画像ラベル要素からなる少なくとも１つのそれぞれのラベルを組み込む、請求項５に記載の方法。
前記少なくとも１つのプロセッサ可読記憶媒体においてラベル付けされたデータ要素を受信するステップは、各々が特定のタイプまたはフォーマットのデータのラベル付けされたデータ要素を受信するステップを含み、および各々のラベル付けされたデータ要素は、前記受信されたそれぞれのラベル要素と同一の特定のタイプまたはフォーマットのデータのものである、請求項５に記載の方法。
前記量子プロセッサを用いて、前記受信されたラベル付けされていないデータ上でスパースコーディングを使用して辞書アトムの辞書を学習するステップは、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記受信されたラベル付けされていないデータに基づいて目的関数を定式化し、
前記量子プロセッサを用いて、前記目的関数を最小化することを含む、請求項５に記載の方法。
前記目的関数を定式化するステップは、前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記受信されたラベル付けされていないデータに基づいて目的関数を定式化することを含み、前記目的関数は、Ｌ０ノルム形式によって規制される正則化項を含む、請求項１０に記載の方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、前記目的関数における重みの組をブール変数として型変換してブール重みを生成することと、
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、辞書に対する１組の値を設定することと、
前記量子プロセッサを用いて、前記辞書に対する前記１組の値に基づいて、前記ブール重みに対する１組の値の前記目的関数を最適化することと、を含む請求項１１に記載の方法。
前記ブール重みに対する１組の値の前記目的関数を最適化するステップは、前記目的関数を二次制約なし二値最適化（「ＱＵＢＯ」）問題にマッピングし、および前記ＱＵＢＯ問題を少なくともおおよそ最小化するために量子プロセッサを使用するステップを含む、請求項１２に記載の方法。
前記ＱＵＢＯ問題を少なくともおおよそ最小化するために前記量子プロセッサを使用するステップは、断熱的量子計算または量子アニーリングのうちの少なくとも１つを実行するために前記量子プロセッサを使用するステップを含む、請求項１３に記載の方法。
前記ラベル付けされたデータ要素は、ラベル付けされた画像データ要素を含み、前記ラベル付けされたデータ要素を事前処理して事前処理されたラベル付けされたデータ要素を生成するステップは、前記画像データ要素のコントラストまたは輝度のうちの少なくとも１つを正規化するステップを含む、請求項５に記載の方法。
前記ラベル付けされたデータ要素は、ラベル付けされた画像データ要素を含み、前記ラベル付けされたデータ要素を事前処理して事前処理されたラベル付けされたデータ要素を生成するステップは、前記画像データ要素をホワイトニングするステップを含む、請求項５に記載の方法。
前記ラベル付けされたデータ要素は、ラベル付けされた画像データ要素を含み、前記ラベル付けされたデータ要素を事前処理して事前処理されたラベル付けされたデータ要素を生成するステップは、零相成分分析（ＺＣＡ）を適用するステップを含む、請求項５に記載の方法。
前記事前処理されたラベル付けされたデータ要素を生成するステップは、画像データ要素の次元を削減するステップを含む、請求項５に記載の方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、パーセプトロンアルゴリズムを実行することを含む教師あり学習処理を実行するステップを含む、請求項５に記載の方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、ｋ近傍法（ｋＮＮ）アルゴリズムを実行することを含む教師あり学習処理を実行するステップを含む、請求項５に記載の方法。
前記量子プロセッサ及び前記非量子プロセッサの少なくとも１つを用いて、Ｌ１およびＬ２損失アルゴリズムを有する線形サポートベクトルマシン（ＳＶＭ）を実行することを含む教師あり学習処理を実行するステップを含む、請求項５に記載の方法。