.png){kind=icon}
返回
Quantum annealing-based feature selection
.png){kind=icon}
OA
AI
DOI：10.1016/j.neucom.2025.131673.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 解决的问题：我们处理机器学习模型中特征选择的计算难题，具体通过最大化特征与目标变量之间的互信息（MI）和条件互信息（CMI）。
• 提出的解决方案：我们采用绝热量子计算范式来处理这一问题。研究利用混合退火方法，具体为D-Wave Kerberos框架，该框架结合经典和量子算法以解决复杂的优化问题。特征选择任务被重新表述为互信息二次无约束二元优化（MIQUBO）问题，可在量子退火机上求解。
• 实际应用：MIQUBO方法应用于一个实际的现实场景：预测二手挖掘机的价格。
• 主要发现：研究表明，采用MIQUBO方法能够提升机器学习模型的预测性能。这在互信息分布较为分散的数据集中尤为显著。
Keyword:
Quantum annealing
Mutual information
Feature selection
Quadratic unconstrained binary optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
H. Stühler, D. Pranjić, C. Tutschku, Evaluating quantum support vector regression methods for price forecasting applications, in: Proceedings of the 16th International Conference on Agents and Artificial Intelligence, Vol. 3, INSTICC, SciTePress, 2024, pp. 376–384.H. Stühler, D. Pranjić, C. Tutschku, 评估量子支持向量回归方法在价格预测应用中的效果，载于：第16届代理与人工智能国际会议论文集，第3卷，INSTICC, SciTePress, 2024, 第376-384页。.png)
IF0
PREAI
分享收藏Effective global approaches for mutual information based feature selectionProceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningOAAI
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏Deploying a quantum annealing processor to detect tree cover in aerial imagery of CaliforniaPLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏分享收藏分享收藏G. Hellstern, V. Dehn, M. Zaefferer, Quantum computer based feature selection in machine learning, IET Quantum Communication n/a (n/a) (2024). doi:https://doi.org/10.1049/qtc2.12086G. Hellstern, V. Dehn, M. Zaefferer, 基于量子计算机的特征选择在机器学习中的应用，IET Quantum Communication n/a (n/a) (2024)。doi:https://doi.org/10.1049/qtc2.12086
IF0
PREAI
分享收藏
查看更多内容