Parameter-Efficient Quantum-Inspired Fast Weight Programmers for Traffic-Matrix Forecasting

• 类型：arxiv
• 标识：2606.27821
• 链接：https://arxiv.org/abs/2606.27821
• 主分类：multimodal
• 形态：method
• 被引：3
• 被引来源：Semantic Scholar
• S2被引：3
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This paper adapts gated quantum-inspired Kolmogorov-Arnold network fast-weight programmers to direct multi-step Abilene TM forecasting and identifies a classical slow programmer with a quantum-inspired fast programmer as a promising accuracy-efficiency design for resource-conscious network traffic-matrix forecasting.
• OpenAlex ID：W7166521692
• OpenAlex DOI：10.48550/arxiv.2606.27821
• DOI：10.48550/arxiv.2606.27821
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.27821
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：用于流量矩阵预测的参数高效量子启发快速权重编程器
• TLDR中文：本文将门控量子启发的 Kolmogorov-Arnold 网络快权重编程器用于直接多步 Abilene 流量矩阵预测，提出以经典慢速编程器搭配量子启发快速编程器的方案，作为面向资源受限场景的网络流量矩阵预测中一种兼顾精度与效率的有前景设计。
• 来源文件：
• /inbox/tom/_candidates/2026-07-06-agent-memory-tool-use-candidates.json
• /inbox/tom/_candidates/2026-07-05-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-04-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]