论文研究-基于量子门组的卷积神经网络设计与实现.pdf
为进一步提高卷积神经网络的训练速度，减少训练成本，建立了量子门组卷积神经网络模型（Quantum Gate Convolutional Neural Network，QGCNN）。为了构建QGCNN网络结构，依据传统CNN结构的特点，给出卷积算术线路（Convolutional Arithmetic Circuit，ConvAC）的定义。用张量分解来说明ConvAC的权值系数之间的关系，为构建QGCNN提供理论依据。将QGCNN分为输入表示层、隐藏层和输出层，在此基础上实现对数据进行量子编码，利用量子门组完成数据初始化，网络参数更新等操作。将QGCNN应用到数字手写体识别中，实验结果表明，该方法在手写体识别的准确率和收敛速度上有不错的效果。
文件下载
评论信息
其他资源
- 20190720全国列车时刻表(含高铁动车城轨).xlsx
- 最新U8cloud 数据字典数据表说明2.5
- C_(WINFORM)实现模拟POST发送请求登录网站
- 小米电视音响蓝牙驱动
- keil下51单片机程序的烧写过程
- STM32Mini版USB转串口驱动
- 2020年中国血友病用药行业精品报告.pdf
- 2.2： 磁盘空间管理 、 交换空间.docx
- 天津大学803机械原理与机械设计历年考研真题汇编
- OLED_DTH22.zip
- IBM-INFORMIX数据库健康检查.pdf
- AS3 炸弹人flash游戏
- java做的打电话系统
- SSD3 exercise5 答案 保证正确
- ftp扫描器（无限制破解版）
- CISCO课程设计
- 战舰游戏设计课程报告+源码
- tslib1.4.tar.gz
- DoulCi Activator v9.0
- 若夏小说新版 杰奇最新2.2专业版内核 WAP端+电脑端+在线充值+关关采集器(送规则).zip
- IP175C芯片及5口网络交换机原理介绍
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明