一种基于量子耦合的生成对抗网络设计方法

一种基于量子耦合的生成对抗网络设计方法，分别输入两个域的真实手写体图片信息；构建耦合量子生成对抗器的量子机器学习模型，用以测量鉴别器对数据真实性的判断概率及量子补丁生成器的量子比特振幅；通过参数共享方法，对量子补丁生成器和经典鉴别器的参数进行调整，捕捉到两个相似域的共享特征；同时使用补丁式网络的设计方法构建生成器，节约了量子比特数，降低了量子网络的训练成本。本发明所述方法可实现高质量的手写体数据生成，也为量子机器学习的领域适应方面提供了新的研究方向，可以实现跨域分类器较高的分类精度，并为未来量子生成对抗网络的发展开辟了新的可能性。