Qsco: A Quantum Scoring Module for Open-set Supervised Anomaly Detection

要約

オープンセット異常検出 (OSAD) は、特にトレーニング中に観察された異常が、考えられるすべてのクラスの異常を表していない場合に、データ セット内の異常なパターンや動作を特定することを目的とした重要なタスクです。
複雑なデータ構造の処理と機械学習モデルの改善における量子コンピューティングの最近の進歩は、異常検出方法論におけるパラダイムシフトの到来を告げています。
この研究では、量子変分回路をニューラル ネットワークに埋め込み、不確実性やラベルのないデータを処理するモデルの処理能力を強化する量子スコアリング モジュール (Qsco) を提案します。
8 つの現実世界の異常検出データセットにわたって行われた広範な実験により、さまざまな設定にわたる異常検出におけるモデルの優れたパフォーマンスが実証され、量子シミュレーターの統合によって法外な時間計算量が発生しないことが明らかになりました。
私たちの研究は、量子強化異常検出法の実用化の可能性を検証します。

要約(オリジナル)

Open set anomaly detection (OSAD) is a crucial task that aims to identify abnormal patterns or behaviors in data sets, especially when the anomalies observed during training do not represent all possible classes of anomalies. The recent advances in quantum computing in handling complex data structures and improving machine learning models herald a paradigm shift in anomaly detection methodologies. This study proposes a Quantum Scoring Module (Qsco), embedding quantum variational circuits into neural networks to enhance the model’s processing capabilities in handling uncertainty and unlabeled data. Extensive experiments conducted across eight real-world anomaly detection datasets demonstrate our model’s superior performance in detecting anomalies across varied settings and reveal that integrating quantum simulators does not result in prohibitive time complexities. Our study validates the feasibility of quantum-enhanced anomaly detection methods in practical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google