研究人员开发了 Q-PhotoMarket,这是一个旨在探索用于金融市场预测的光子混合量子神经网络 (HQNN) 的广阔设计空间的框架。该框架系统地评估了美国、印度和加密货币市场中超过 5,000 种不同的光子配置,包括输入状态、电路架构和测量策略。研究发现了持续的架构模式,并确定了可与经典机器学习基线相媲美的稳健的高性能设计,同时还纳入了在数据不平衡条件下可靠评估的方法。 AI
影响 这项研究可能带来更复杂的用于金融预测的量子机器学习模型。
排序理由 该集群包含一篇详细介绍新框架及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Alberto Marchisio
- Bayesian optimization
- boson sampling
- cryptocurrency markets
- Financial Market Predictions Generative Vs Discriminative Methods
- Photonic Hybrid Quantum Neural Networks
- Photonic quantum computing
- Q-PhotoMarket
- Quantum Machine Learning
- quantum physics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →