忍者ブログ

いけいけ機械学習

統計、機械学習、AIを学んでいきたいと思います。 お役に立てば幸いです。

量子重ね合わせと量子もつれ

量子重ね合わせ

量子ビットは、「0」「1」の両方の状態を持つ。確率的に「0」「1」のどちらかが出る。

1量子ビットで、「0」「1」の2通りの状態があるため、n量子ビットでは、2nの状態がある。

量子もつれ

一方の量子が「0」のときは、もう一方は「1」となるような関係となること。

1つの量子ビットの操作で、他の量子ビットを操作できる。

2つの量子が、どのような距離にあっても、即時に相互作用する。









PR

時系列データの概要

時系列データは、次の3つに分類できる

1.トレンド

・全体として上昇傾向にあるのか、下降傾向にあるのか

・移動平均などを用いると、季節変動が除かれ、長期的なトレンドが見える

2.季節変動

3.不規則変動

時系列データの予測手法

1.線形回帰

2.成長回帰　

　非線形なモデル

3.AR(自己相関モデル)

4.MR(移動平均モデル)

5.ARMA(自己回帰移動平均モデル)

自己回帰と移動平均を用いる

6.ARIMA(自己回帰和分移動平均モデル)

ARMAにデータの差分を加味

7.SARIMA(季節自己回帰移動平均モデル)

ARIMAに季節変動を加える



サポートベクターマシン概要

サポートベクターマシン概要

・教師あり学習

・データを2つに分ける線を計算で求める

・２つの分かれたデータと境界との距離を、マージンとよぶ

・このマージンを最大にする境界を計算で求める

・データによっては、境界が局面になるような場合がある。

これには、カーネルトリックと呼ばれるテクニックが用いられる

・カーネルトリックは、各データの次元を大きくして、高い次元で境界を形成するもの

・次元を上げるには、カーネル関数と呼ばれるものを使う

・カーネル関数は、次元を上げたのと同じ状態を作り出すもの

・カーネル関数には、

「多項式型」「ガウス型」

などがある