机构名称：
¥ 1.0
摘要 - 纠结神经网络（CNN）是计算机视觉中的流行模型，具有充分利用数据相关信息的优势。但是，如果数据或模型的给定维度太大，CNN的学习效率很大。量子卷积神经网络（QCNN）为使用量子计算环境或提高现有学习模型的性能的方向提供了解决问题的新解决方案。第一项研究将提出一个模型，以通过将CNN的结构应用于量子计算环境，从而有效地解决量子物理和化学中的分类问题。研究还提出了可以使用多尺度纠缠重归于ANSATZ（MERA）的O（log（log（n））深度计算的模型。第二项研究介绍了一种通过在现有计算机视觉中使用的CNN学习模型中添加量子计算来提高模型性能的方法。该模型也可以在小量子计算机中使用，可以通过在CNN模型中添加量子卷积层或用卷积层替换混合学习模型。本文还验证了QCNN模型是否能够通过使用Tensorflow量子平台使用MNIST数据集进行训练与CNN相比，是否能够有效学习。
量子卷积神经网络的教程（...
主要关键词
相关文件推荐
