基于参数化量子电路的量子卷积神经网络模型及应用
郑瑾1
高庆2
吕颜轩1
董道毅3
潘宇4
1.北京航空航天大学自动化科学与电气工程学院,北京1001912.北京航空航天大学自动化科学与电气工程学院,北京100191;德国杜伊斯堡埃森大学自动控制与复杂系统所,杜伊斯堡470573.新南威尔士大学工程与信息技术学院,堪培拉26004.浙江大学控制科学与工程学院智能系统与控制研究所,浙江杭州310027
摘要：量子神经网络结合了量子计算与经典神经网络模型的各自优势,为人工智能领域的未来发展提供了一种全新的思路.本文提出一种基于参数化量子电路的量子卷积神经网络模型,能够针对欧几里得结构数据与非欧几里得结构数据,利用量子系统的计算优势加速经典机器学习任务.在MNIST数据集上的数值仿真结果表明,该模型具有较强的学习能力和良好的泛化性能.
关键词：量子机器学习量子神经网络量子卷积神经网络量子图卷积神经网络
资助基金：国家自然科学基金(61903016)国家自然科学基金(61803132)国家自然科学基金(62173296)
论文发表日期：2021-11-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 1772-1784 )
英文信息