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。