基于量子门组的卷积神经网络设计与实现

• 作者: 刘宏志 许兴阳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 量子计算 量子神经网络 卷积神经网络 量子门
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 理论与研发
• 页码范围: 54-61
• 页数: 8页
• 分类号: TP18
• 字数: 5787字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0423

摘要

为进一步提高卷积神经网络的训练速度,减少训练成本,建立了量子门组卷积神经网络模型(Quantum Gate Convolutional Neural Network,QGCNN).为了构建QGCNN网络结构,依据传统CNN结构的特点,给出卷积算术线路(Convolutional Arithmetic Circuit,ConvAC)的定义.用张量分解来说明ConvAC的权值系数之间的关系,为构建QGCNN提供理论依据.将QGCNN分为输入表示层、隐藏层和输出层,在此基础上实现对数据进行量子编码,利用量子门组完成数据初始化,网络参数更新等操作.将QGCNN应用到数字手写体识别中,实验结果表明,该方法在手写体识别的准确率和收敛速度上有不错的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏志	北京工商大学计算机信息与工程学院	60	418	10.0	17.0
2	许兴阳	北京工商大学计算机信息与工程学院	1	2	1.0	1.0