quantum-annealing

本文提出了一种量子退火增强的Q-learning框架，用于剩余使用寿命预测，利用D-Wave系统求解QUBO公式以进行动作选择。在NASA C-MAPSS和预测维护数据集上，它优于经典和量子基线。

本文提出了一种量子退火方法，将联邦学习中的客户端选择重新表述为QUBO问题以防御拜占庭攻击。实验表明，在复杂攻击上，该方法相比经典MultiKrum具有更高的检测准确性，尤其是与MultiSignal集成结合时。