通过不平衡数据分类基准评估量子生成模型
量子物理
2023-08-22 v1 机器学习
摘要
在抽象或理论环境之外，用于评估量子机器学习模型行为是否偏离常规模型的工具十分有限。我们系统地应用可解释人工智能技术，分析由改编自二十个不同真实世界数据集（包括太阳耀斑、心律失常和语音数据）的混合量子-经典神经网络生成的合成数据。这些数据集均表现出不同程度的复杂性与类别不平衡。我们将量子生成的数据相对于缓解相关分类任务中类别不平衡的最先进方法进行了基准测试。我们利用该方法阐明了使问题更可能或更不可能适用于混合量子-经典生成模型的特性。
引用
@article{arxiv.2308.10847,
title = {Evaluating quantum generative models via imbalanced data classification benchmarks},
author = {Graham R. Enos and Matthew J. Reagor and Eric Hulburd},
journal= {arXiv preprint arXiv:2308.10847},
year = {2023}
}