MMNov, 2021

使用量子设备算法计算图编辑距离

PDF
TL;DR本文介绍了 QUBO 形式的 Graph Edit Distance (GED) 问题，它允许我们在量子芯片上实现两种不同的方法，即量子退火和变分量子算法，为机器学习和模式识别提供一种新颖的解决方案。
distance measuresmachine learningpattern recognitiongraph edit distancequantum algorithms
发现论文，激发创造
  • EUGENE：可解释的无监督图编辑距离近似

    本文提出了一种高效的代数无监督方法 EUGENE，它近似计算图的编辑距离，并产生对应的编辑路径，同时消除了对真实编辑距离的生成和数据特定训练的需求。广泛的实验评估表明，EUGENE 在各个基准数据集中始终排名最准确的方法之一，并且胜过大部分神经网络方法。

    Feb, 2024

  • 动态嵌入式组合学习图编辑距离

    本文提出了一种将基于搜索的技术与深度嵌入模型相结合的混合方法，用于解决图形编辑距离（GED）的效率和适应性问题。通过动态规划将节点级嵌入设计成动态重用的方式，并鼓励修剪次优分支，该方法可以轻松地在 A * 过程中动态地集成，并通过学习的启发式显着减少计算负担。实验结果表明，该方法可以显着简化 A * 的搜索过程，而准确性不会显著降低。

    Nov, 2020

  • 基于不同注意力机制的图编辑距离学习

    这篇论文提出了一种新的图级融合模块 Different Attention（DiffAtt），并证明了图级融合嵌入能够显著优于复杂的节点级融合嵌入，通过 DiffAtt 的算法 REDRAFT 在五个基准数据集中的 23 个评估指标中取得了最先进的性能，尤其是在 MSE 上分别超出第二名 19.9%、48.8%、29.1%、31.6% 和 2.2%，此外，作者提出了一种定量测试 RESAT，以验证 DiffAtt 生成的融合嵌入能够最好地捕捉两个图之间的结构差异。

    Aug, 2023

  • 用变分量子算法估算迹距离和保真度

    本文提出了用于测量量子数据的 “迹距离” 和 “量子保真度” 的混合量子经典算法，并介绍了变分迹距离估计（VTDE）算法和变分保真度估计（VFE）算法。这两个算法对于近期量子设备上的随机生成的混合状态表现出高精度。

    Dec, 2020

  • MATA*：将可学习节点匹配与 A * 算法相结合用于近似图编辑距离计算

    基于图神经网络（GNN）和 A * 算法的数据驱动混合方法 MATA * 用于近似图编辑距离（GED）计算，对节点匹配进行学习建模，实验证明其优于基于组合搜索、基于学习和混合方法，并在大型图上具有良好的可扩展性。

    Nov, 2023

  • 持久图的量子距离近似

    本文研究了拓扑数据分析方法在分类和聚类任务中的应用，特别是通过使用持续图可以总结有关可能复杂和高维数据集形状的重要信息。我们探索了量子计算机用于估计持续图之间距离的潜力，提出了用于 Wasserstein 距离和 $d^{c}_{p}$ 距离的变分量子算法。我们的实现是量子近似优化算法的加权版本，依赖于控制子句来编码优化问题的约束条件。

    Feb, 2024

  • 图形移动距离：一种用于几何图形的高效可计算距离度量

    本文研究了基于地图移动距离的图移动距离（GMD）的计算和使用，探究了其与地图距离的稳定性，并展示了其在字母识别方面的良好实证结果。

    Jun, 2023

  • 量子进化核 ： 可编程量子比特数组上的图机器学习

    本文介绍了一种基于量子系统时间演化的图形数据相似性测量程序，并探讨了其在传统方法中的应用。通过在系统哈密顿量中编码输入图形的拓扑结构，演化产生保留数据关键特征的测量样本。数值研究表明，与典型基准数据集上的标准图形核相比，该程序表现出色。最后，讨论了在真实的中性原子量子处理器上实现的可能性。

    Jul, 2021

  • 通过神经图剪枝实现准确的子图相似度计算

    本研究提出了一种基于神经网络的子图相似性搜索方法，结合了剪枝技术和注意力机制，通过将图剪枝转化为节点重标记的可微分问题，并设计了多头剪枝策略，有效地优化了子图编辑距离计算。在七个基准数据集上实现了最新的最优结果。

    Oct, 2022

  • 一种混合量子图像边缘检测器在 NISQ 时代的应用

    本文提出基于量子人工神经元思想的混合量子边缘检测方法，可在现阶段的噪声中等规模的量子计算机上实现，并通过方法的可扩展性实现了比以往更大范围的图像边缘检测。

    Mar, 2022