原创力文档摘要
卷积神经网络（CNN）凭借其强大的特征提取能力和自适应学习特性，在图
像分类领域得到了广泛应用，但CNN在训练和使用过程中需要消耗大量的计算
资源。量子计算作为一种新兴的计算模式，具备天然的并行性和指数级计算加速
的能力，能够很好的与卷积神经网络结合。本文对基于混合量子卷积神经网络的
图像分类课题进行了研究，内容如下：
提出了一种基于密集角度编码混合量子卷积神经网络的单通道图像分类
（DAE-HQCNN）模型。首先，对图像进行预处理，使用双线性插值算法降低图
像分辨率，然后
您可能关注的文档
- 瓦斯抽采钻孔颗粒粘液两相流封孔材料研究与应用.pdf
- 煤矿巷道移动式建图与表面位移检测方法研究.pdf
- 基于电荷感应原理的干式除尘系统粉尘浓度监测与校准方法研究.pdf
- 基于改性孔隙结构增强煤中甲烷解吸-扩散性能的表面活性剂优选研究.pdf
- 人因视角下基于混合仿真的预制构件吊装事故致因机理研究.pdf
- 温度浓度互补式化学链还原钴酸锂载体回收退役锂电池机理研究.pdf
- 高压轴向闭式柱塞泵配流副润滑特性研究.pdf
- 地铁盾构隧道端头井装配式封堵墙优化设计及工程应用.pdf
- 悬臂式掘进机机身位姿自主纠偏控制方法研究.pdf
- 深部咸水层CO2储存水文地球化学反应模拟与安全性评价--以山东省东营凹陷为例.pdf
文档评论（0）