基于粒子群优化算法的量子卷积神经网络OA北大核心
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。
张嘉雯;蔡彬彬;林崧
福建师范大学计算机与网络空间安全学院,福建福州350007福建师范大学计算机与网络空间安全学院,福建福州350007 数字福建环境监测物联网实验室,福建福州350007福建师范大学计算机与网络空间安全学院,福建福州350007
计算机与自动化
量子光学量子卷积神经网络粒子群优化算法量子机器学习参数化量子电路
《量子电子学报》 2025 (1)
P.123-135,13
国家自然科学基金(62171131,61976053)福建省高等学校新世纪优秀人才支持计划(2022J01186)福建省自然科学基金项目(2023J01533)。
评论