arXiv 人工智能· Utsav Poudel, Anuj Nepal, Vyas Viswanath, Subramaniyaswamy Vairavasundaram·· 7 小时前AI 评分35
量子与经典机器学习在神经精神疾病分类中的特征匹配多队列评估
Quantum Versus Classical Machine Learning for Neuropsychiatric Disorders: A Feature-Matched Multi-Cohort Evaluation
AI 导读
一项涵盖 4 个公共队列共 4,308 名受试者的新研究，对比了 6 种量子模型家族与匹配经典模型在神经精神疾病分类中的表现。结果显示多数量子模型与经典模型性能相当但未能持续超越，量子核与匹配经典核的平均准确率差异在 95% 置信度下小于 1.4 个百分点。在 ABIDE I 队列中，混合量子卷积网络准确率为 0.645，可训练量子核的 AUC 比经典核高出 0.064。
来源：arXiv 人工智能 · arxiv.org