量子机器学习应用于事件相关电位分类的初步探索
人机交互
2023-02-07 v1 机器学习
摘要
低信息传输率是基于非侵入式脑电描记术 (EEG) 的脑机接口用于临床应用的主要瓶颈。这促使了更鲁棒和更精确分类器的开发。在本研究中，我们研究了量子增强支持向量分类器 (QSVC) 的性能。QSVC 的训练（预测）平衡准确率为 83.17 (50.25) %。这一结果表明该分类器能够从 EEG 数据中学习，但需要更多研究以获得更高的预测准确率。这可以通过更好的分类器配置来实现，例如增加测量次数。
关键词
引用
@article{arxiv.2302.02648,
title = {First steps towards quantum machine learning applied to the classification of event-related potentials},
author = {Grégoire Cattan and Alexandre Quemy and Anton Andreev},
journal= {arXiv preprint arXiv:2302.02648},
year = {2023}
}
备注
in French language