LEP-QNN：使用量子神经网络进行贷款资格预测
量子物理
2025-12-04 v2 机器学习
摘要
以高准确率预测贷款资格仍是金融领域的重大挑战。准确的预测使金融机构能够做出明智的决策，减轻风险，并有效地满足客户需求。然而，金融数据的复杂性和高维度始终对实现此水平的精确度提出了重大挑战。为克服这些问题，我们提出了一种新方法，采用量子机器学习（QML）进行贷款资格预测，使用量子神经网络（LEP-QNN）。我们的创新方法实现了 98% 的预测准确率，这一性能提升归因于在量子电路中策略性地实施 dropout 机制，以最小化过拟合，从而提高模型的预测可靠性。此外，我们对各种优化器的探索导致确定 LEP-QNN 框架最有效的设置，优化其性能。我们还严格评估了 LEP-QNN 在不同量子噪声情景下的韧性，确保其在量子计算环境中的可靠性和可靠性。这项研究展示了 QML 在金融预测中的潜力，并为推进 QML 技术提供了基础指南，标志着向开发高级量子驱动金融决策工具迈出了一步。
关键词
引用
@article{arxiv.2412.03158,
title = {LEP-QNN: Loan Eligibility Prediction using Quantum Neural Networks},
author = {Nouhaila Innan and Alberto Marchisio and Mohamed Bennai and Muhammad Shafique},
journal= {arXiv preprint arXiv:2412.03158},
year = {2025}
}
备注
9 pages, 7 figures, 3 tables. Accepted at QCE 2025