量子机器学习中鲁棒性与泛化的相互作用
量子物理
2025-06-11 v1 机器学习
系统与控制
系统与控制
摘要
尽管对抗鲁棒性和泛化在近期量子机器学习文献中分别获得了大量关注，但它们的相互作用远未被充分探索。在本章中，我们针对变分量子模型（最近被提出作为监督学习中的函数逼近器）研究了这种相互作用。我们讨论了近期通过 Lipschitz 界同时量化鲁棒性和泛化的结果，这些界显式依赖于模型参数。因此，它们产生了一种基于正则化的训练方法，用于构建鲁棒且可泛化的量子模型，突显了可训练数据编码策略的重要性。理论结果的实际意义通过时间序列分析的应用得到了验证。
引用
@article{arxiv.2506.08455,
title = {The interplay of robustness and generalization in quantum machine learning},
author = {Julian Berberich and Tobias Fellner and Christian Holm},
journal= {arXiv preprint arXiv:2506.08455},
year = {2025}
}