Feature-Optimized Quantum Classification Model for Financial Transaction Anomalies
Este estudio propone un Marco de Detección de Fraude Mejorado por Cuántica que integra el preprocesamiento de datos clásicos con la codificación de estados basada en ZZFeatureMap y un clasificador de Máquina de Vectores de Soporte Cuántica para lograr un 91% de precisión en la identificación de anomalías en transacciones financieras, demostrando el potencial superior del Aprendizaje Automático Cuántico sobre los métodos convencionales.