一种能根据输入动态调整观测量的量子神经网络架构
这是篇挺有意思的论文,作者提出了一种能根据输入动态调整观测量的量子神经网络架构,在时间序列预测和强化学习任务上表现不错。
这是篇挺有意思的论文,作者提出了一种能根据输入动态调整观测量的量子神经网络架构,在时间序列预测和强化学习任务上表现不错。
这篇论文提出了一个针对量子神经网络的新后门攻击Q-DIBA,能根据输入动态生成触发器,效果比固定触发器好,还扛得住几种常见防御。
一篇用QCNN和路径签名核搞定时间序列分类的新论文,手写数字分类实验证明了量子电路里加签名核的有效性,适合关注量子机器学习的朋友。
这篇论文用晶圆缺陷分类任务硬核对比了两种量子计算范式,CV在4个qumodes下比DV高出18个点,还解释了为什么。搞量子机器学习或半导体良率的朋友可以看看。