arXiv cs.AI· Utsav Poudel, Anuj Nepal, Vyas Viswanath, Subramaniyaswamy Vairavasundaram·· 9 小时前AI 评分35
量子与经典机器学习在神经精神疾病分类上的特征匹配多队列评估
Quantum Versus Classical Machine Learning for Neuropsychiatric Disorders: A Feature-Matched Multi-Cohort Evaluation
AI 导读
研究在四个公开队列（4,308 名受试者）上用相同相关性特征对比六个量子模型族与经典模型，量子核与匹配经典核在所有队列上差异不显著。ABIDE I 上混合量子卷积网络准确率 0.645 vs 0.641，可训练量子核 AUC 高出 0.064；量子卷积网络 AUC 更高、train-test gap 更小，但准确率未提升。
来源：arXiv cs.AI · arxiv.org