Quantum Generative Adversarial Network for Tabular Data Synthesis
创建于 更新于
摘要
本报告提出了一种创新的基于量子生成对抗网络（QGAN）的表格数据合成方法，采用灵活的数据编码与新颖的量子电路构架，针对医疗健康和人口普查两类异构数据集进行实验，对比CTGAN和CopulaGAN经典模型，量子模型在SDMetrics整体相似性评分上平均提升8.5%，且参数规模仅为经典模型的0.072%，展示了更优的生成效果和泛化能力，体现量子机器学习在生成任务中的潜力[page::0][page::1][page::7][page::9]。
