量子アニーリングを用いた特徴選択 (Poster)

概要

機械学習においてデータの次元を絞る特徴選択は, 推論時間の削減やモデルの精度, 解釈性の向上, 過学習の抑止のために重要な手法である.ナイーブな方法では特徴数に対し, 指数時間の計算時間がかかってしまう為, 効率の良い方法を考える必要がある. 本研究ではFactorization Machine という学習モデルと量子アニーリング(QA: Quantum Annealing) を組み合わせた手法であるFMQAを用いて, 量子アニーラの実機による特徴選択を行い, その効率を明らかにする.