期刊专题

10.3778/j.issn.1002-8331.2207-0413

混合量子神经网络及其数字识别应用

引用
为探索量子计算与神经网络交叉融合的可能性,提出一种基于混合量子经典神经网络的数字识别模型.该模型将参数化量子电路加入卷积模型实现嵌入与直接输出混合,将卷积全连接层信息作为量子层控制参数,经过系列酉变换进行特征处理.在MNIST数据集上通过数字识别实验展示该结构潜力.结合迁移学习,利用卷积网络与混合网络提取图像深层次特征并进行特征融合,改善单一卷积网络在小样本数据集上的过拟合问题.实验结果表明,该模型具有有效性、实用性和高泛化性能,直接输出混合网络和嵌入式混合网络在MNIST数据集上的识别率分别较卷积网络提高0.039 8和0.021 1.经过迁移学习和特征融合后的混合模型在小样本数据集上的识别率均优于单一网络,达到83%,验证了模型的学习和泛化能力.

量子计算、混合量子神经网络、迁移学习、特征融合

59

TP183(自动化基础理论)

国家重点研发计划2018YFC1505502

2023-11-27(万方平台首次上网日期,不代表论文的发表时间)

共7页

121-127

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

59

2023,59(22)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn