一种基于PQC的混合量子神经网络模型的图像分类方法

本发明公开了一种基于PQC的混合量子神经网络模型的图像分类方法，属于量子计算技术领域。本发明在经典神经网络结构的基础上，通过参数化量子电路代替经典的卷积层，减少网络结构中可训练的参数量，并在参数化量子电路中添加设计的纠缠结构Ub，提升结构的特征捕捉能力和整个网络的学习效率。利用混合量子神经网络架构，根据给定的标签样本去设计对应的纠缠结构Ub并作用在参数化量子电路中，并使得其与经典的矩阵乘积态网络结构构成的分类模块相结合，不断提升参数化量子电路结构的特征提取能力和改善整体网络结构的性能，从而达到较好的分类效果，在测试集上进行预测来做模型性能的评估，最后再使用经典的优化方法来进行模型中参数优化和迭代更新，即可得到性能较为优越的混合量子神经网络结构。相比于已有的网络结构，在性能上得到了良好的提升。