研究提出量子启发数据插补框架并在UCI糖尿病数据集评测

Nishikanta Mohanty 等在 arXiv 发表研究，提出一种量子启发的数据插补框架，将 PCA 与量子旋转重建结合，并用模拟退火、COBYLA、差分进化等无梯度优化器选择旋转角度。该框架在 UCI Pima Indians Diabetes 数据集上评估，该数据集中若干生理变量的结构性零被视为缺失值。 研究称，在该数据集上，最优量子设置相比 SoftImpute、MissForest 和 VAE 分别将平均 Wasserstein W1 距离降低约 66%、84% 和 90%，量子启发变体在分布保真度上明显优于这些基线。这些结果为该论文在单一数据集上的评估结论。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。