Adaptive KetGPT-QTL

QSTAR框架通过选择性路由不确定的预测来增强量子迁移学习

研究人员开发了QSTAR，一个新颖的量子迁移学习框架，该框架将不确定的预测选择性地路由到量子分支。这种方法旨在阐明量子组件在机器学习任务中的效用。在Fashion-MNIST上使用ResNet18骨干进行的实验表明，QSTAR，特别是带有自适应KetGPT-QTL头的QSTAR，取得了具有竞争力的准确性，在低置信度样本上优于自适应经典基线。