-
公开(公告)号：CN113361664B
公开(公告)日：2021-11-05
申请号：CN202110910909.0
申请日：2021-08-10
申请人： 北京航空航天大学 , 中国科学院数学与系统科学研究院
摘要： 本发明公开了一种基于量子卷积神经网络的图像识别系统及方法，通过量子态输入单元制备或读入编码输入图像信息的量子比特，通过量子卷积神经网络运算单元对量子比特进行操作，通过量子态测量单元对量子比特进行测量操作，给出输出结果，通过网络优化单元进行训练，以使得量子卷积神经网络的输出结果尽量接近期望输出。本发明利用量子态编码图像信息，通过基于量子电路构建的量子卷积神经网络来高效地提取图像特征以及进行特征映射，并进行图像识别，能够实现对图像数据或者编码图像信息的量子数据进行高效特征提取，用于快速处理大规模、高维度图像数据的图像识别任务。
-
公开(公告)号：CN113159239B
公开(公告)日：2021-09-28
申请号：CN202110716435.6
申请日：2021-06-28
申请人： 北京航空航天大学
摘要： 本发明属于人工智能、机器学习和量子计算领域，涉及一种量子图卷积神经网络处理图数据的方法，包括：对数据预处理；将预处理后的数据制备为多个量子比特；构建具有量子比特输入模块、量子图卷积模块、量子池化模块、量子比特测量模块和网络优化更新模块的量子图卷积神经网络模型；多次迭代训练模型并优化模型中量子门的参数，使输出结果尽可能达到目标输出，实现机器学习任务。本发明利用量子计算和神经网络的优势能够有效处理非欧式空间数据类型的机器学习任务，使量子神经网络不再局限于仅处理结构化数据，极大扩展了量子机器学习的适用范围。此外，本发明的模型还易于封装且具有很强的泛化性能，可根据不同的图数据结构进行扩展。
-
公开(公告)号：CN113361664A
公开(公告)日：2021-09-07
申请号：CN202110910909.0
申请日：2021-08-10
申请人： 北京航空航天大学 , 中国科学院数学与系统科学研究院
摘要： 本发明公开了一种基于量子卷积神经网络的图像识别系统及方法，通过量子态输入单元制备或读入编码输入图像信息的量子比特，通过量子卷积神经网络运算单元对量子比特进行操作，通过量子态测量单元对量子比特进行测量操作，给出输出结果，通过网络优化单元进行训练，以使得量子卷积神经网络的输出结果尽量接近期望输出。本发明利用量子态编码图像信息，通过基于量子电路构建的量子卷积神经网络来高效地提取图像特征以及进行特征映射，并进行图像识别，能够实现对图像数据或者编码图像信息的量子数据进行高效特征提取，用于快速处理大规模、高维度图像数据的图像识别任务。
-
公开(公告)号：CN113159239A
公开(公告)日：2021-07-23
申请号：CN202110716435.6
申请日：2021-06-28
申请人： 北京航空航天大学
摘要： 本发明属于人工智能、机器学习和量子计算领域，涉及一种量子图卷积神经网络处理图数据的方法，包括：对数据预处理；将预处理后的数据制备为多个量子比特；构建具有量子比特输入模块、量子图卷积模块、量子池化模块、量子比特测量模块和网络优化更新模块的量子图卷积神经网络模型；多次迭代训练模型并优化模型中量子门的参数，使输出结果尽可能达到目标输出，实现机器学习任务。本发明利用量子计算和神经网络的优势能够有效处理非欧式空间数据类型的机器学习任务，使量子神经网络不再局限于仅处理结构化数据，极大扩展了量子机器学习的适用范围。此外，本发明的模型还易于封装且具有很强的泛化性能，可根据不同的图数据结构进行扩展。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)
