检索结果-南通市图书馆

检索条件"主题词=量子张量神经网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于浅层量子混合神经网络的图像分类研究

基于浅层量子混合神经网络的图像分类研究

引用

作者：胡江龙重庆理工大学

学位级别：硕士

在图像领域中,分类是主要的任务之一,图像质量在图像分类中起着决定性的作用。因此,选择一个具有高效特征提取能力和低复杂性的图像表示模型,是确保图像分类任务成功的基础。同时,设计一个具有优越抗噪声性能的模型是任务的关键。神经... 详细信息

在图像领域中,分类是主要的任务之一,图像质量在图像分类中起着决定性的作用。因此,选择一个具有高效特征提取能力和低复杂性的图像表示模型,是确保图像分类任务成功的基础。同时,设计一个具有优越抗噪声性能的模型是任务的关键。神经网络在图像分类中展现了其强大的性能,但随着网络层数的加深,往往会出现复杂度过高的问题,同时图像的噪声也会影响分类任务的结果。为实现高准确率和低复杂度的模型处理图像分类任务,本文结合经典神经网络和量子计算(Quantum computing,QC)提出了新的浅层量子混合神经网络模型,主要的工作内容如下:(1)卷积神经网络是目前最流行的图像分类模型,量子计算的加入使其能高效处理图像分类任务。然而,随着量子层数的增加,训练过程变得复杂,准确率也趋于低下,导致网络稳定性差。因此,本文结合了参数化量子线路和经典全连接层,并以创新核编码技术为载体,提出了用于图像分类任务的浅层量子混合卷积神经网络(Shallow hybrid quantum convolution neural network,SHQCNN)来应对这些挑战。该模型同时结合量子计算强大的性能和经典神经网络的特性,最重要的是降低了模型复杂度和训练成本。我们构建了参数化量子线路作为量子卷积层,之后将图像数据制备成量子态作为输入,对整幅图像完成量子计算操作;其次,测量特定的量子态,得到量子系统演化结果;最终把结果输入到经典全连接网络中并输出图像的类别。该方案设计的浅层量子混合神经网络处理图像分类具有很高的稳定性和准确性,有效解决了网络层数过多导致复杂度过大的问题。通过与经典神经网络(Classical neural network,CNN)模型的比较,验证了其可行性和实用性。它的泛化性和稳定性以及抗噪性也在各种具有不同噪声量的数据集上得到了验证。实验结果表明,提出的SHQCNN模型性能优越。例如,与CNN相比,其准确率提高了6.66%,达到99.58%。(2)随着量子机器学习的发展,量子计算机应用在各个领域,解决越来越多的问题。但相应的矛盾也开始出现,现阶段的量子计算机仍然还是处于中等规模,且噪声对于量子计算机来说不可忽视,含噪声的中尺度量子计算机的出现,意味着如今利用量子计算机处理图像分类问题需要考虑噪声的影响。因此,本文基于张量神经网络(Tensor neural network,TNN)提出了一种用于图像分类的抗噪声模型——浅层量子混合张量神经网络(Shallow hybrid quantum tensor neural network,SHQTNN)。该模型包含量子张量神经网络和经典全连接神经网络。首先通过使用核编码方法来制备量子态,将特征数据映射到更高维度,其次设计纠缠双量子比特的浅量子电路实现对量子态的纠缠操作,最后通过经典输出层实现输出模型的预测类别,完成图像的分类。实验仿真为数据集添加了椒盐噪声和高斯噪声,并设置了不同的噪声大小。结果表明SHQTNN模型比TNN模型的准确率更高且损失值更低,这说明该模型抗噪性能更加优秀,能够有效减少噪声带来的影响。

关键词：图像分类浅层神经网络量子卷积神经网络量子张量神经网络

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：