-
公开(公告)号：CN117792835B
公开(公告)日：2024-05-10
申请号：CN202410209425.7
申请日：2024-02-26
Applicant: 南京邮电大学
Abstract: 本发明属于量子机器学习在宽带信道估计中的应用技术领域，公开了一种基于双模块量子生成对抗器的信道估计方法，其对包含不同完整度的宽带信道导频信息的数据进行处理，并通过振幅编码转换成量子态数据；构建双模块量子生成对抗器的量子机器学习模型，用以测量量子鉴别器对数据真实性的判断概率及量子生成器的量子比特振幅；通过交替优化策略，对量子生成器和量子鉴别器的参数进行调整；将部分导频信息数据输入优化后的模型，生成完整的导频信息。本发明所述方法可实现高效且准确的信道估计，为无线通信物理层技术提供了新的研究方向，并为未来无线通信技术的发展开辟了新的可能性。
-
公开(公告)号：CN117792835A
公开(公告)日：2024-03-29
申请号：CN202410209425.7
申请日：2024-02-26
Applicant: 南京邮电大学
Abstract: 本发明属于量子机器学习在宽带信道估计中的应用技术领域，公开了一种基于双模块量子生成对抗器的信道估计方法，其对包含不同完整度的宽带信道导频信息的数据进行处理，并通过振幅编码转换成量子态数据；构建双模块量子生成对抗器的量子机器学习模型，用以测量量子鉴别器对数据真实性的判断概率及量子生成器的量子比特振幅；通过交替优化策略，对量子生成器和量子鉴别器的参数进行调整；将部分导频信息数据输入优化后的模型，生成完整的导频信息。本发明所述方法可实现高效且准确的信道估计，为无线通信物理层技术提供了新的研究方向，并为未来无线通信技术的发展开辟了新的可能性。
-
公开(公告)号：CN117649560A
公开(公告)日：2024-03-05
申请号：CN202311721186.5
申请日：2023-12-13
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N20/00 , G06N10/20 , G06N3/02
Abstract: 本发明提供一种基于轻量化量子电路的量子‑经典混合机器学习模型的图像数据分类方法及装置，构建基于轻量化量子电路的量子‑经典混合机器学习模型；计算测量期望值；使用经典计算机的参数优化模块对基于轻量化量子电路的量子分类器的参数与经典计算机的人工神经网络的参数进行优化；得到优化后的量子‑经典混合机器学习模型；将待分类图像数据输入优化后的基于轻量化量子电路的量子‑经典混合机器学习模型，得到分类结果；本发明能够降低计算复杂度，能够获得高准确性的分类结果，高效且低成本，能够在参数数量大大减少的情况下，实现精度高的目的。
-
-
Search Results
3
records
(took 0.015 seconds)
