量子科技中心_量科网

量子机器学习（QML）这一新兴领域在加速处理速度及有效处理复杂数据集的高维特性方面展现出显著优势。量子计算（QC）通过量子叠加和纠缠特性实现了更高效的数据处理。该研究团队提出了一种结合量子与经典机器学习技术的新方法，用于探索量子特性在广播式自动相关监视（ADS-B）数据异常检测中的影响。团队比较了混合全连接量子神经网络（H-FQNN）在不同损失函数下的性能，并使用公开的ADS-B数据集进行评估。实验结果表明，该量子方法在异常检测中具有竞争力，准确率达到90.17%至94.05%，与传统全连接神经网络（FNN）模型的91.50%-93.37%准确率相当。