[发明专利]一种采用优化初始权重的量子神经网络压缩计算全息图的方法

权利要求书

1.一种采用优化初始权重的量子神经网络压缩计算全息图的方法，具体步骤如下：

1）选择普通图像数据集进行归一化预处理，根据菲涅耳离轴全息原理生成菲涅耳离轴计算全息图训练集合；

2）利用量子神经元构建一个三层的量子BP神经网络，包含输入层、隐含层与输出层，同层神经元之间无连接，层与层之间各个量子神经元实现相互连接；

3）对步骤2）中构建的量子BP神经网络通过设置零均值的均匀分布对各网络参数进行初始化，将步骤1）制作完成的菲涅耳计算全息图训练集合中每一幅全息图像分割成多个非重叠且大小相同的像素块并转换为一维向量，作为步骤2）中构建的量子BP神经网络的输入进行预训练，获得预训练的网络模型；

4）将待压缩的计算全息图分割成多个非重叠且大小相同的像素块并转换为一维向量，在步骤3）获得的预训练网络模型上进行二次训练，直到网络输出误差满足设定值获得最终压缩网络，利用该网络对待压缩的计算全息图进行压缩传输与解压缩。

2.如权利要求1所述的压缩计算全息图的方法，其特征在于，步骤2）具体包括如下步骤：

21）搭建由一位相移门和两位受控非门组成的量子神经元数学模型；

22）使用量子BP神经网络尝试学习一个y=f(x)的函数；

23）利用反向传播算法对步骤22）中构建的量子BP神经网络中的参数进行求解，当网络输出误差达到设定的值时停止网络训练。

3.如权利要求1所述的压缩计算全息图的方法，其特征在于，步骤2）中将第一层输入层神经元设置为原始待压缩全息图像，则第二层隐含层神经元为全息图像压缩结果，第三层输出层神经元为解压后的全息图像，其中隐含层神经元个数少于输入和输出层神经元个数。

4.如权利要求1所述的压缩计算全息图的方法，其特征在于，步骤4）中获得压缩的计算全息图后，通过离轴参考光照射过程和菲涅耳衍射过程实现菲涅耳离轴全息图再现。