量子卷积神经网络对医疗场景下语音的鲁棒性量化
声音
2026-01-07 v1 机器学习
音频与语音处理
摘要
语音基于机器学习系统对噪声敏感，这使得在情感识别和语音病理检测中难以实现可靠部署。我们评估了混合量子机器学习模型——量子卷积神经网络（QNNs）相对于经典卷积神经网络（CNNs）在四种声学腐蚀（高斯噪声、音调移位、时间移位和速度变化）下的鲁棒性，这些测试在干净训练/损坏测试范式下进行。使用 AVFAD（语音病理）和 TESS（语音情感）数据集，我们将三个 QNN 模型（Random、Basic、Strongly）与简单 CNN 基线（CNN-Base）、ResNet-18 和 VGG-16 进行比较，使用准确率和腐蚀度量指标（CE、mCE、RCE、RmCE），并分析了架构因素（电路复杂度或深度、收敛性）以及每个情感的鲁棒性。QNNs 在音调移位、时间移位和速度变化情况下通常优于 CNN-Base（在严重时间移位时 CE/RCE 最多低出 22%），而 CNN-Base 在抗高斯噪声方面更具鲁棒性。对于量子电路，QNN-Basic 在 AVFAD 上实现最佳整体鲁棒性，QNN-Random 在 TESS 上表现最佳。情感方面，恐惧最具鲁棒性（在严重腐蚀下准确率 80-90%），中性在强高斯噪声下可能崩溃（准确率 5.5%），而快乐对音调、时间和速度失真最为脆弱。QNNs 的收敛速度也快于 CNN-Base 最多 6 倍。就目前系统研究 QNN 在语音下的鲁棒性而言，这是一次关于非对抗性声学腐蚀下 QNN 鲁棒性的系统性研究，表明浅层纠缠量子前端可提高噪声韧性，但对加性噪声的敏感性仍然是一个挑战。
引用
@article{arxiv.2601.02432,
title = {Quantifying Quanvolutional Neural Networks Robustness for Speech in Healthcare Applications},
author = {Ha Tran and Bipasha Kashyap and Pubudu N. Pathirana},
journal= {arXiv preprint arXiv:2601.02432},
year = {2026}
}