公开(公告)号：CN108881660A

公开(公告)日：2018-11-23

申请号：CN201810409647.8

申请日：2018-05-02

Applicant: 北京大学

Inventor： 杨光临 ,  侯深化

IPC: H04N1/32 ,  G06N3/02

CPC classification number: H04N1/32277 ,  G06N3/02

Abstract: 本发明提出了一种采用优化初始权重的量子神经网络压缩计算全息图的方法，属于计算全息图的压缩传输技术领域。该方法在量子BP神经网络压缩传输计算全息图的基础上，利用计算全息图训练集合预训练获取量子BP神经网络优化初始权重，通过设置预训练的参数随机初始化方差来加速预训练网络的收敛过程，再针对给定的全息压缩数据利用预训练获得的优化初始权重进行二次网络微调训练，同时在优化过程中动态调整网络学习速率以加速量子BP神经网络压缩传输过程。本发明在不改变原有量子BP神经网络的基础结构上能够使用更少的迭代次数完成压缩传输网络结构的训练，加快了量子BP神经网络对计算全息图的压缩速度并可以保证全息图再现像的质量。

公开(公告)号：CN108881660B

公开(公告)日：2021-03-02

申请号：CN201810409647.8

申请日：2018-05-02

Applicant: 北京大学

Inventor： 杨光临 ,  侯深化

IPC: H04N1/32 ,  G06N3/02

Abstract: 本发明提出了一种采用优化初始权重的量子神经网络压缩计算全息图的方法，属于计算全息图的压缩传输技术领域。该方法在量子BP神经网络压缩传输计算全息图的基础上，利用计算全息图训练集合预训练获取量子BP神经网络优化初始权重，通过设置预训练的参数随机初始化方差来加速预训练网络的收敛过程，再针对给定的全息压缩数据利用预训练获得的优化初始权重进行二次网络微调训练，同时在优化过程中动态调整网络学习速率以加速量子BP神经网络压缩传输过程。本发明在不改变原有量子BP神经网络的基础结构上能够使用更少的迭代次数完成压缩传输网络结构的训练，加快了量子BP神经网络对计算全息图的压缩速度并可以保证全息图再现像的质量。