热点事件持续更新
Dempster-Shafer 理论的不确定性感知量子机器学习框架
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026-11-12，arXiv quant-ph 报道，Leiden University 与 Volkswagen Group Innovation 研究团队提出一种基于 Dempster-Shafer 理论的不确定性感知量子分类框架。该框架让参数化量子电路直接从数据中学习对标签集合的权重分配，并可高效制备相应量子态；在质量函数定义于指数多个子集时，仍能以多项式资源实现量子 Dempster-Shafer 融合，使量子模型的评估超出预测性能本身。此为该事件的首篇报道，目前尚无后续进展。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月12日
- arXiv quant-ph（量子信息与量子物理）基于 Dempster-Shafer 理论的不确定性感知量子机器学习框架
Leiden University 与 Volkswagen Group Innovation 研究团队提出一种基于 Dempster-Shafer 理论的不确定性感知量子分类框架，让参数化量子电路直接从数据中学习对标签集合的权重分配。该方法可高效制备相应量子态，并在质量函数定义于指数多个子集时仍以多项式资源实现量子 Dempster-Shafer 融合，使量子模型的评估超出预测性能本身。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。