A Hybrid Deep-Quantum Framework for Robust Stress Classification from EEG Signals
Questo articolo propone un framework ibrido deep-quantum che integra una 1D-CNN per l'estrazione delle caratteristiche con un classificatore a vettori di supporto quantistico per ottenere un'accuratezza superiore nella rilevazione dello stress (81,00%) su segnali EEG rispetto ai baseline classici, dimostrando al contempo la dipendenza del modello dalla scalatura delle caratteristiche e dalla dimensionalità all'interno dell'era NISQ.