一种基于改进蛛蜂优化的量子神经架构搜索算法制造技术

本发明专利技术提供了一种基于改进蛛蜂优化的量子神经架构搜索算法，并将其用于图像分类。本方法首先对图像数据集灰度化，归一化，然后将处理后的图像数据编码为量子数据，并去除其中存在矛盾的图像。针对量子神经架构的设计无明确指导经验，人工设计的量子神经架构过于复杂且分类精度不高的问题，本发明专利技术采用改进的蛛蜂算法来搜索量子架构，在传统蛛蜂优化算法中加入了蒙特卡洛逆变换法、随机复合变异等策略，提高种群的全局寻优能力，找到综合性能更优异的量子神经网络。本发明专利技术的量子神经架构搜索方法有效解决了因量子门的高冗余带来的分类效率低下问题，提高了图像分类的精度，也降低了量子网络部署到真实量子设备上的难度。采用本方法进行量子神经架构搜索，能够极大提高量子网络的可用性并可以为设计人员提供一些指导经验。

【技术实现步骤摘要】

本专利技术属于量子计算领域，涉及一种基于改进蛛蜂优化的量子神经架构搜索算法，可用于图像分类。针对人工设计的量子神经网络缺乏明确的指导经验，设计的电路含有冗余量子门且分类精度不高等问题，本专利技术采用改进蛛蜂优化算法搜索电路结构，以降低电路复杂度并提高分类精度。

技术介绍

1、近些年来，量子领域的软件和硬件得到了极大的发展。量子计算因其从根本上并行处理数据的思路，有希望在计算能力上超越传统计算机，因此越来越多的研究者提出了各种各样的量子算法。量子神经网络作为一类量子算法，需要运行在量子计算机上，因此其大多数是以量子电路的方式搭建的。然而，设计基于量子电路的量子神经网络的过程目前并没有明确的指导经验，以至于人为设计的量子神经网络含有较多冗余的量子门，这不仅影响了量子神经网络的分类性能，也加大了其在量子设备上部署的难度。量子神经网络分类性能的优劣取决于量子神经网络的架构，优秀的量子神经网络因其出众的特征提取能力，可以大幅提高模型的分类性能，因此设计一种什么样的量子神经网络成了神经网络设计的重点和难点。

2、现有的神经网络架构设计主要包括人工设计的方法本文档来自技高网...

【技术保护点】

1.一种基于改进蛛蜂优化的量子神经架构搜索算法，可用于图像分类，其特征包含以下步骤：

【技术特征摘要】

1.一种基于改进蛛蜂优化的量子神经架构搜索...

【专利技术属性】
技术研发人员：王镜慨，罗胜瀚，付文昊，赵志豪，陈珂，苏唯靖，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：