摘要:使用神经网络实现数据重构是人工智能领域一项十分重要的研究课题。生成对抗网络(生成性对抗网络,GAN)作为近年来人工智能的热门算法,在完成数据重构任务中有较好的表现。量子计算作为一种能够加速经典计算的新型计算模式,正不断地与经典人工智能算法相融合。其中,量子生成对抗网络(量子生成对抗网络,QGAN)在图像相关任务中具有良好的表现,但是量子模型的拟合能力还有待提高。故此,提出了一种基于甘框架的量子-经典混合生成对抗网络(Q-CGAN)用于实现数据重构任务。该框架利用经典网络的非线性提高拟合效果,利用量子特性提供量子加速。使用MNIST公司手写数据集对比验证了量子模型和混合模型的重构效果,结果显示,Q-CGAN公司较纯量子生成器在数据重构过程中具有更好的表现。此外,还研究了混合模型中使用不同量子编码方案和不同参数化量子线路对数据重构效果的影响。
江奕达, 王明明. 基于量子生成对抗网络的数据重构[J] ●●●●。计算机工程与应用, 2024, 60(5): 156-164.
姜义达、王明明。基于量子生成对抗网络的数据重建[J]。计算机工程与应用,2024,60(5):156-164。