申请/专利权人：天翼云科技有限公司

申请日：2023-12-14

公开（公告）日：2024-04-12

公开（公告）号：CN117875438A

主分类号：G06N10/20

分类号：G06N10/20;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于量子卷积神经网络的量子自编码器及QCAE方法，属于深度学习技术领域，包括以下步骤：S1、假设QCAE方法中初始输入的量子态为|Ψ＞input，将|Ψ＞input经过QCAE的编码器线路进行编码，S2、|Ψ＞encode作为输入量子态，输入到解码器中进行解码，得到的量子态为|Ψ＞decode，具有更高的保真度，其性能要更高，编码器和解码器中的映射网络由量子卷积神经网络构建，并且设计了相应的量子线路用以构建编码器和解码器，量子卷积神经网络具有更好的特征提取能力，从而大大提高了解码器和编码器的性能。

主权项：1.一种基于量子卷积神经网络的量子自编码器，其特征在于，包括，编码器和解码器；所述编码器与解码器通过量子卷积神经网络连接；所述编码器编码的过程可以描述为Ex＝x'；所述解码器解码过程描述为Dx'＝y或者DEx＝y；所述QCAE方法的损失函数F一般定义，如以下公式1：

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于量子卷积神经网络的量子自编码器及QCAE方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD