arXiv · cs.AI· Utsav Poudel, Anuj Nepal, Vyas Viswanath, Subramaniyaswamy Vairavasundaram·· 5 小时前
四个神经精神疾病队列开展特征匹配的量子与经典机器学习评测
Quantum Versus Classical Machine Learning for Neuropsychiatric Disorders: A Feature-Matched Multi-Cohort Evaluation
arXiv:2610.21344v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Utsav Poudel, Anuj Nepal, Vyas Viswanath, Subramaniyaswamy Vairavasundaram
研究任务与主要进展
研究团队在四个公开神经精神疾病队列、4308名受试者上，使用相同的相关系数特征对六类量子模型与经典模型进行匹配评测。量子核与匹配经典核在四个队列中的平均准确率差异在95%置信区间下不超过1.4个百分点；在ABIDE I上，混合量子卷积网络准确率为0.645、经典对应模型为0.641，但量子模型总体未持续优于经典模型。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org