利用张量网络解释异常
机器学习
2026-01-30 v2 量子物理
摘要
张量网络是一类变分量子多体波函数，已在包括经典机器学习在内的许多学科中引起了相当大的研究兴趣。最近，Aizpurua 等人展示了在离散值网络安全任务上使用矩阵乘积态进行可解释的异常检测，利用量子启发的方法来洞察学习到的模型和检测到的异常。在此，我们将此框架扩展到实值数据域。我们进一步引入了树张量网络用于可解释异常检测任务。我们通过三个基准问题展示了这些方法，与几个基线模型相比，展示了足够的预测性能，并展示了两种张量网络架构解释异常样本的能力。我们由此将张量网络的应用扩展到更广泛的潜在问题类别，并为未来扩展到更复杂的张量网络架构开辟了道路。
引用
@article{arxiv.2505.03911,
title = {Explaining Anomalies with Tensor Networks},
author = {Hans Hohenfeld and Marius Beuerle and Elie Mounzer},
journal= {arXiv preprint arXiv:2505.03911},
year = {2026}
}
备注
6 pages, 3 figures, Accepted for publication at IEEE QAI 2025