[发明专利]构建基于经典训练的量子前馈神经网络的方法在审
| 申请号： | 201910628555.3 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110674921A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 郭国平;赵健;吴玉椿;郭光灿 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/06;G06N3/08 |
| 代理公司： | 11021 中科专利商标代理有限责任公司 | 代理人： | 汤宝平 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供一种构建基于经典训练的量子前馈神经网络的方法，包括：步骤1：给出量子神经元的明确定义；步骤2：选定具体激活函数进而用量子线路表示出量子神经元的模型；步骤3：以步骤2所述的量子神经元模型为基础，提出量子前馈神经网络模型；以及步骤4：提出经典训练方法，并定量分析所述经典训练方法的有效性，完成基于经典训练的量子前馈神经网络的构建，通过上述方法缓解现有技术中量子神经网络的明确定义不统一，量子神经网络模型没有同时具备输入、输出和权重均是量子态；以及激活函数的实现没有具体的量子线路表示；量子神经网络模型没有延展性；以及量子神经网络中缺乏对训练过程有效性的理论分析等技术问题。 | ||
| 搜索关键词： | 量子神经网络 前馈神经网络 量子神经元 量子 激活函数 量子线路 构建 延展性 定量分析 理论分析 训练过程 量子态 权重 输出 缓解 统一 | ||
【主权项】：
1.一种构建基于经典训练的量子前馈神经网络的方法，包括：/n步骤1：给出量子神经元的明确定义；/n步骤2：选定具体激活函数进而用量子线路表示出量子神经元的模型；/n步骤3：以步骤2所述的量子神经元模型为基础，提出量子前馈神经网络模型；以及/n步骤4：提出经典训练方法，并定量分析所述经典训练方法的有效性，完成基于经典训练的量子前馈神经网络的构建。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学技术大学，未经中国科学技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910628555.3/，转载请声明来源钻瓜专利网。
- 上一篇：用于二元神经网络的概率性训练
- 下一篇：一种基于深度学习的网络表征获取方法
