TY-JOURA2-Wei、ShiJieAU-Li、WeiAU-Chu、Peng-ChengAU-Liu、广济AU-Tean-BingAU-Qiu、Tean-HuiAU-Wang、Shu-MeiPY-2022DA-202/07/14TI-图像分类算法基础SP5701479VL-2022AB-Quantum机器学习参数化量子电路作为一种量子计算模型提供构建量子机学习算法的方法,它可能实现计算加速度或实现比经典算法更好的算法性能基于参数化量子电路, 我们建议混合量子卷积神经网络模型 图像分类由量子元件和经典元件组成量子卷积层设计使用参数化量子电路用于对量子状态执行线性单片变换提取隐藏信息此外,量子池单元用于集合操作量子系统进化后, 我们测量量子状态 并输入测量结果应用HQCCNN对比类似架构中卷积神经网络,结果显示HQCCNN比卷积神经网络更快培训速度和高测试集精度SN-NullUR-https://doi.org/101155/2022/5701479DO-101155/2022/5011479JF-Quantum工程PB-HindawiKW-ER