Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

HQRNN-FD:用于欺诈检测的混合量子循环神经网络.

Yao-Chong Li1,2, Yi-Fan Zhang1,2, Rui-Qing Xu3

  • 1College of Information Engineering, Shanghai Maritime University, 1550 Haigang Avenue, Pudong New Area, Shanghai 201306, China.

Entropy (Basel, Switzerland)
|September 27, 2025
PubMed
概括

本研究介绍了一种混合量子循环神经网络,用于检测金融欺诈. 这种新的方法显著提高了检测复杂模式的准确性,超过了传统方法.

关键词:
金融欺诈的发现和检测混合量子 经典模型量子计算是一种量子计算.量子金融是一种量子金融.量子机器学习就是量子机器学习.变量量子电路中的变量量子电路.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Multi-Party Controlled Semi-Quantum Dialogue Protocol Based on Hyperentangled Bell States.

Entropy (Basel, Switzerland)·2025
Same author

AQEA-QAS: An Adaptive Quantum Evolutionary Algorithm for Quantum Architecture Search.

Entropy (Basel, Switzerland)·2025
Same author

A fast combination method in DSmT and its application to recommender system.

PloS one·2018
查看所有相关文章

科学领域:

  • 人工智能的人工智能
  • 量子计算是一种量子计算.
  • 金融技术 金融技术

背景情况:

  • 检测金融欺诈对智能系统至关重要.
  • 深度学习与高维,非线性特征作斗争.
  • 阶级不平衡在欺诈检测方面是一个持续的挑战.

研究的目的:

  • 引入一种用于欺诈检测的新型混合量子循环神经网络 (HQRNN-FD).
  • 加强特征提取和时间依赖性分析,以改进欺诈检测.
  • 解决阶级不平衡问题,提高模型通用性.

主要方法:

  • 利用带有角度编码,数据重载和等级纠的变量量子电路 (VQC),用于量子增强的特征提取.
  • 集成了一个循环神经网络 (RNN) 与一个自我注意力机制进行序列分析.
  • 采用合成少数人过量采样技术 (SMOTE) 来缓解阶级不平衡.

主要成果:

  • 在公众欺诈检测数据集上实现了0.972的准确性.
  • 它的性能比传统车型高出2.4%.
  • 证明了对量子噪声的稳定性和随着量子位数的增加而具有可扩展性.

结论:

  • 混合量子循环神经网络 (HQRNN-FD) 对于不平衡的金融分类是有效的.
  • 量子增强特征提取和时间分析提高了欺诈检测的准确性.
  • 该模型对现实世界的金融欺诈检测应用具有前景.