Mutual information maximizing quantum generative adversarial networks
创建于 更新于
摘要
本文提出了InfoQGAN，一种基于量子-经典混合框架，结合InfoGAN与量子生成对抗网络（QGAN）和互信息神经估计器（MINE）的生成模型。该模型借助变分量子电路实现数据生成，通过最大化潜在码与生成样本的互信息，有效缓解模式崩塌并实现特征解耦，从而提升训练稳定性与数据增强性能。数值实验涵盖二维分布生成与Iris数据增强，均显示InfoQGAN优于传统QGAN及其经典对应物，展现出优越的特征可控性及应用潜力 [page::0][page::1][page::3][page::4][page::5][page::6].
