训练健壮且具有通用性的量子模型
本文研究了基于Lipschitz界限的量子机器学习中的对抗鲁棒性和泛化性质。研究发现,数据编码的范数对于鲁棒性具有关键影响。通过规范化Lipschitz界限来训练鲁棒且具有泛化能力的量子模型是一种实用的策略。数值结果验证了Lipschitz界限的规范化显著提高了量子模型的鲁棒性和泛化能力。
原文中文,约500字,阅读约需2分钟。
本文研究了基于Lipschitz界限的量子机器学习中的对抗鲁棒性和泛化性质。研究发现,数据编码的范数对于鲁棒性具有关键影响。通过规范化Lipschitz界限来训练鲁棒且具有泛化能力的量子模型是一种实用的策略。数值结果验证了Lipschitz界限的规范化显著提高了量子模型的鲁棒性和泛化能力。