检索结果-南通市图书馆

作者：张颖南京信息工程大学

学位级别：硕士

量子机器学习是量子信息领域内新兴的子课题,其将量子计算潜在的加速能力和经典机器学习模型的学习和适应能力结合在一起,尝试提出全新的量子机器学习算法或经典机器学习算法的对应量子方案。随着量子计算机在计算规模和稳定性方面的突... 详细信息

量子机器学习是量子信息领域内新兴的子课题,其将量子计算潜在的加速能力和经典机器学习模型的学习和适应能力结合在一起,尝试提出全新的量子机器学习算法或经典机器学习算法的对应量子方案。随着量子计算机在计算规模和稳定性方面的突破,量子机器学习的研究也在不断深入。本文主要研究对象是基于参数化量子电路（PQC）的量子生成对抗网络（QGAN）,是经典生成对抗网络在量子领域的扩展,通过量子生成器和判别器的对抗性训练,学习拟合样本集合的分布。参数化量子电路对算法性能的影响是目前的相关工作中被忽略的一点,并且算法在功能、应用方面仍有改进的空间。因此本文在对PQC结构进行深入研究的基础上,提出了量子条件生成对抗网络算法,主要工作如下:（1）首先提出了三个评价参数化量子电路性能的指标,以规避贫瘠高原、提升PQC训练稳定性和优化电路性能为目标,研究量子电路的结构化设计方案。提出电路优化策略,并通过假设影响电路性能的因素,采用控制变量法进行实验验证。最后在实验电路中选取综合性能较好的结构,应用在后续的算法设计中。（2）在经典条件生成对抗网络的启发下,提出了适用于生成量子数据和经典数据的条件生成对抗网络的量子方案。通过在模型输入中增加条件信息,使生成器学习到目标分布且具备根据条件信息生成特定数据的能力,实现了算法功能的拓展。详尽阐述了条件信息的量子态制备、判别器和生成器的PQC设计以及量子电路参数梯度的估计方法。通过经典数据和量子混合态的分类生成实验,验证了算法的正确性和有效性。（3）在量子条件生成对抗网络的基础上,提出了更加符合实际应用需求的混合量子-经典条件生成对抗网络。该设计利用经典判别器完成分类任务,规避了量子机器学习的“输入瓶颈”。通过BAS数据的分类生成实验,验证了算法的有效性;通过自定义图像数据集和公共图像数据集（MNIST）的分类生成实验,表明了算法具备拟合高维经典数据分布的潜力。

关键词：量子机器学习量子条件生成对抗网络参数化量子电路混合量子-经典模型贫瘠高原

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粒子群优化算法的量子卷积神经网络

引用

量子电子学报 2025年第1期42卷 123-135页

作者：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 数字福建环境监测物联网实验室福建福州350007

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... 详细信息

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%。

关键词：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

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种量子条件生成对抗网络算法

引用

电子学报 2022年第7期50卷 1586-1593页

作者：刘文杰赵胶胶张颖葛业波南京信息工程大学计算机与软件学院江苏南京210044 数字取证教育部工程研究中心江苏南京210044 南京信息工程大学自动化学院江苏南京210044

量子生成对抗网络是量子机器学习算法领域研究热点之一,但其生成过程具有较大的随机性,不太适用于现实场景.为了解决该问题,提出了一种生成过程可控的量子条件生成对抗网络(Quantum Conditional Generative Adversarial Network,QCGAN)... 详细信息

量子生成对抗网络是量子机器学习算法领域研究热点之一,但其生成过程具有较大的随机性,不太适用于现实场景.为了解决该问题,提出了一种生成过程可控的量子条件生成对抗网络(Quantum Conditional Generative Adversarial Network,QCGAN)算法,其中条件信息采用one-hot形式进行多粒子W态编码,并通过向生成器和判别器输入条件信息达到稳定模型生成过程的目的.性能评估表明,与经典GAN、CGAN相比,本算法可生成离散数据,且将时间复杂度从O(N^(2))降为O(N);与带条件约束的量子生成对抗网络QuGAN相比,QCGAN消耗更少的量子资源.最后,以BAS(3,3)数据集和量子混合态生成为例,选用PennyLane平台进行仿真实验,结果表明QCGAN算法经过训练可有效收敛到Nash均衡点,进而验证了算法的实验可行性.

关键词：量子生成对抗网络条件信息 W态编码参数化量子电路

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于量子卷积神经网络的图像识别新模型

引用

电子科技大学学报 2022年第5期51卷 642-650页

作者：范兴奎刘广哲王浩文马鸿洋李伟王淑梅青岛理工大学理学院山东青岛266520 青岛理工大学信息与控制工程学院山东青岛266520

为了解决卷积神经网络对内存和时间效率要求越来越高的问题,提出一种面向数字图像分类的新模型,该模型为基于强纠缠参数化线路的量子卷积神经网络。首先对经典图像进行预处理和量子比特编码,提取图像的特征信息,并将其制备为量子态作为... 详细信息

为了解决卷积神经网络对内存和时间效率要求越来越高的问题,提出一种面向数字图像分类的新模型,该模型为基于强纠缠参数化线路的量子卷积神经网络。首先对经典图像进行预处理和量子比特编码,提取图像的特征信息,并将其制备为量子态作为量子卷积神经网络模型的输入。通过设计模型量子卷积层、量子池化层、量子全连接层结构,高效提炼主要特征信息,最后对模型输出执行Z基测量,根据期望值完成图像分类。实验数据集为MNIST数据,{0,1}分类和{2,7}分类准确率均达到了100%。对比结果表明,采用平均池化下采样的三层网络结构的QCNN模型具有更高的测试精度。

关键词：量子计算图像分类量子卷积神经网络参数化量子电路

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

变分量子电路的泛化性能研究

变分量子电路的泛化性能研究

引用

作者：冉润恒华南农业大学

学位级别：硕士

机器学习是人工智能的一个分支,已经广泛应用于数据挖掘、自然语言处理、计算机视觉和生物分析等科学和工程领域。量子计算被人们认为是在不久的将来最有前途的技术之一,它为改进机器学习提供了诱人的前景,主要通过两个方面来实现,一是... 详细信息

机器学习是人工智能的一个分支,已经广泛应用于数据挖掘、自然语言处理、计算机视觉和生物分析等科学和工程领域。量子计算被人们认为是在不久的将来最有前途的技术之一,它为改进机器学习提供了诱人的前景,主要通过两个方面来实现,一是加速计算,二是提高模型的性能。近些年来,虽然量子硬件和量子算法不断发展,但是由于噪声的限制,现有量子计算机还处于噪声中尺度量子时代。目前,基于参数化量子电路的经典-量子混合算法由于可以充分利用现有噪声中尺度量子计算机,成为量子机器学习领域的研究热点。而且,这种量子机器学习模型由于具有较强的表达能力和灵活的特征空间,在机器学习任务中表现良好。泛化能力是机器学习模型的一个重要特征,它表征了模型预测未知数据的能力。在模型训练过程中,学习能力过强的经典机器学习模型,尤其是深度神经网络,由于捕获过多的无关特性而容易出现过拟合的现象。所以,探索具有可靠的泛化能力的模型成为有待研究的问题。本文针对参数化量子电路这种量子机器学习模型是否具有可靠的泛化能力的问题,通过数值仿真实验的方式,探索其对经典数据和量子数据进行分类的能力。本文的主要研究对象是两类不同结构设计的参数量子电路,第一类是层次结构的量子电路,包括TTN,MERA和MPS,其中MERA相比TTN具有更强的表达能力;第二类是层重复的量子电路,包括纠缠层分别是All-to-All结构和Circuit-Block结构的电路,其中All-to-All结构的参数化量子电路的表达能力强于Circuit-Block结构的电路。参数化量子电路的训练依赖于经典优化,而对于这些参数化量子电路的可训练性,本文比较了三种不同的无导数优化方法,即CMA-ES,Powell和COBYLA。并且,使用ROC-AUC曲线直观的对基于不同参数化量子电路的分类器的泛化能力进行了对比。数值仿真结果表明,量子电路的幺正约束防止参数变大,具有平坦的参数空间,这些参数化量子电路具有可靠的泛化能力和可训练性。此外,表达能力更好的参数化量子电路提供了更好的泛化能力和更快的训练能力。而且,在量子数据分类的问题上,通过对第二类量子电路应用辅助量子比特(Ancilla),量子模型的泛化能力和分类精度提升明显,这暗示了辅助量子比特在提高量子电路的泛化能力方面的重要性。

关键词：量子机器学习参数化量子电路表达能力泛化分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于量子神经网络算法预测厌氧消化性能

基于量子神经网络算法预测厌氧消化性能

引用

作者：侯栋重庆师范大学

学位级别：硕士

全球对能源的需求越来越大,甲烷作为一种可再生能源成为近年来的热点,它是由有机废物的厌氧消化过程产生的一种生物能源。厌氧消化是一种生物过程,有机物在无氧条件下分解成甲烷气体,为了稳定生产所需数量的甲烷,必须对厌氧消化反应过... 详细信息

全球对能源的需求越来越大,甲烷作为一种可再生能源成为近年来的热点,它是由有机废物的厌氧消化过程产生的一种生物能源。厌氧消化是一种生物过程,有机物在无氧条件下分解成甲烷气体,为了稳定生产所需数量的甲烷,必须对厌氧消化反应过程进行控制监测。在污泥底物和环境变换条件下预测性能变化,利用数学建模模拟消化池的运行,并预测厌氧消化的沼气产量,避免反应器受到负荷冲击或性能下降满足不了用户需求,确保系统高效运行。本文的研究内容包括:(1)首先,本文整理了关于厌氧消化过程问题的相关理论,分析了当前解决此类问题的常用算法并分析其优缺点,并且对量子理论和量子计算进行详细阐述。然后本文对厌氧消化的复杂性进行研究,并建立数学模型。(2)为解决时间序列数据噪声问题,对废物管理设施产生的厌氧消化数据进行预处理。为了确保将最少的噪声引入特征,引入指数平滑算法处理时间序列数据,减弱其影响程度。并使用EM算法插补缺失值,利用标签和特征相互转换的思想填补缺失值。最后将初始数据处理成量子态进行量子操作。(3)提出一种具有短期记忆的量子卷积神经网络(Quantum Convolution Neural Network,QCNN),接受类似的数据时间窗模拟短期记忆,将经典数据通过编码层量子化,并经过参数化量子电路(Parameterized Quantum Circuit,PQC)处理。转换后的量子态通过PQC进行一系列幺正变换,通过量子卷积池化电路能够好的寻找到信息中的隐藏状态。实验证明,QCNN具有很好的预测精度。(4)最后为了解决QCNN在处理长时间序列数据时缺乏整体记忆问题,提出了一种量子卷积重构门控循环神经网络(Quantum Convolution Reconstructed Gated Recurrent Neural Network,QCRGRNN)。通过卷积神经网络(Convolution Neural Network,CNN)对原始数据特征提取降维并保留信息,将PQC融入到门控循环单元,构造量子重置门和量子更新门。将卷积单元提取的信息输入到量子门控循环神经网络,量子记忆单元将信息融入到隐层态,对隐层态信息的处理更高效。计算效率上由于量子态的叠加和并行计算的能力,使得QCRGRNN具有更高的优势,实验对比结果表明在对厌氧消化预测分析上,能够比经典神经网络和QCNN算法更好的预测出趋势,为预测甲烷产量问题提供了一种更好的解法。

关键词：厌氧消化参数化量子电路量子神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：