PulseAugur
中
实时 08:41:44
English(EN) Quantum-Enhanced Synthetic Data Generation Using Quantum Circuit Born Machines for Imbalanced Tabular Learning

量子电路出生机增强了不平衡数据集的合成数据生成

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个混合量子经典框架，利用量子电路出生机（QCBMs）为不平衡表格数据集生成合成数据。该方法利用叠加和纠缠等量子特性，比传统方法更有效地模拟复杂概率分布。在 Iris 和 Telco Customer Churn 数据集上的实验表明，使用 QCBM 生成的样本增强数据可将 F1 分数提高 5-15%，少数类召回率提高 10-25%，证明了强大的分布保真度和与 SMOTE 等经典过采样技术相比具有竞争力。 AI

影响 这项研究通过改进具有挑战性数据集的数据增强技术，可能带来更强大的 AI 模型。

排序理由 该集群描述了一篇研究论文，其中详细介绍了一种使用量子计算原理进行合成数据生成的新颖方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

量子电路出生机增强了不平衡数据集的合成数据生成

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Tanapol Nuatho, Narisorn Sangnakara, Prapong Prechaprapranwong, Rajchawit Sarochawikasit ·

    Quantum-Enhanced Synthetic Data Generation Using Quantum Circuit Born Machines for Imbalanced Tabular Learning

    arXiv:2607.09113v1 Announce Type: cross Abstract: Data scarcity and class imbalance are persistent challenges in machine learning that degrade model generalization and introduce predictive bias. We present a hybrid quantum-classical framework for synthetic data generation using a…

  2. arXiv cs.LG TIER_1 English(EN) · Rajchawit Sarochawikasit ·

    使用量子电路出生机器进行量子增强合成数据生成，用于不平衡表格学习

    Data scarcity and class imbalance are persistent challenges in machine learning that degrade model generalization and introduce predictive bias. We present a hybrid quantum-classical framework for synthetic data generation using a Quantum Circuit Born Machine (QCBM) to address th…

相关实体

相关话题