.png){kind=icon}
返回
ExQUAL: an explainable quantum machine learning classifier
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-06732-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子机器学习（QML）具有解决经典机器学习无法处理的复杂任务的潜力。QML是一个充满前景的新兴领域，处于持续发展阶段。这需要对量子机器学习模型的复杂黑箱特性有更深入的理解。为应对这一挑战，引入可解释人工智能（XAI）成为必然。本文介绍了一种新颖的方法——可解释量子分类器（ExQUAL），用于将局部可解释模型无关解释（LIME）框架和SHapley加性解释（SHAP）与Pegasos量子支持向量机（QSVM）模型相结合，以处理分类任务。ExQUAL提供了一种将这两种框架与二分类和多分类任务相结合的方法，并提供局部和全局解释。该方法旨在增强透明度和可解释性，同时推动量子机器学习方法的应用性和可信度。
Keyword:
Quantum machine learning
Explainable AI
Pegasos QSVM
LIME
SHAP
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Harnessing Quantum Computing: A Comparative Study in Skin Disease Detection with Traditional ML
PREAI
分享收藏分享收藏Classification of Potentially Hazardous Asteroids Using Supervised Quantum Machine LearningIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容