量子機器學習
以三元(ternary)格狀初始化穩健化變分量子電路頻譜匹配
這篇論文針對角度編碼(angle encoding)的量子機器學習模型提出頻率可達性問題的系統性實驗與解方。研究發現所謂可訓練頻率(trainable-frequency)模型在實務上受限於梯度驅動能力,頻率前置係數通常只能在約±1 的區間移動,導致若目標頻率超出此區間時訓練失敗。
量子機器學習
這篇論文針對角度編碼(angle encoding)的量子機器學習模型提出頻率可達性問題的系統性實驗與解方。研究發現所謂可訓練頻率(trainable-frequency)模型在實務上受限於梯度驅動能力,頻率前置係數通常只能在約±1 的區間移動,導致若目標頻率超出此區間時訓練失敗。
量子核
生成語音技術提升帶來偽造音訊風險。本研究提出Q-Patch量子特徵映射,以mel頻譜的局部時頻貼片為單位,用四維聲學描述壓縮資訊並以淺層四量子位電路編碼,再透過保真度核進行QSVM分類。在受控小樣本驗證上,Q-Patch在AUROC上優於同級RBF-SVM。