| 講演抄録／キーワード |
| 講演名 |
2023-12-17 17:30
［ポスター講演］量子アニーリングを用いたニューラルネットワーク学習におけるデータ分散型機械学習手法の提案
○中西康輔（京大） |
| 抄録 |
（和） |
ニューラルネットワークの学習を量子アニーリングを用いて行う手法(CQNN)が先行研究で提案されている．この手法は低消費電力，短時間でニューラルネットワーク学習が可能という利点があり注目を集めている．現状量子アニーリングマシンは高価であるため，CQNNはマシンの購入が可能な企業や大学での活用が主になると考えられる．そして企業での機械学習の活用を想定した際，訓練データの秘匿性が求められる場合がある．しかしながらCQNNにおいて，訓練データを秘匿した学習手法は今まで検討されてこなかった．そこで本研究ではCQNNにおいて，秘匿すべき訓練データを重み付けされた正則化項として扱うことで共有する情報を大きく削減する学習手法を提案し，学習精度の評価を行った．数値実験の結果，提案手法の学習精度はデータを秘匿しない場合と同程度であった． |
| （英） |
A method for learning neural networks using quantum annealing (CQNN) has been proposed in previous research. This method has attracted considerable attention because of its advantages of low power consumption and quick neural network training. Currently, quantum annealing machines are expensive; therefore, CQNN is expected to be used mainly by companies and universities that can afford to purchase such machines. In addition, when assuming the use of machine learning in companies, the confidentiality of the training data may be required. However, a learning method that keeps the training data secret has not been studied for CQNN. In this study, I proposed a learning method for CQNNs that significantly reduces the amount of shared information by treating the training data to be hidden as weighted regularization terms and evaluated the learning accuracy of the proposed method. Simulation Studies demonstrated that the learning accuracy of the proposed method was comparable to that when the data were not concealed. |
| キーワード |
（和） |
量子アニーリング / ニューラルネットワーク / Elastic weight consolidation / / / / / |
| （英） |
Quantum annealing / Neural networks / Elastic weight consolidation / / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|