基于互信息机制的量子网络冗余控制训练及图像分类方法和系统

本发明涉及量子网络和机器视觉技术领域，尤其是一种基于互信息机制的量子网络冗余控制训练及图像分类方法和系统。本发明训练过程中，采用度量模型标注和真实标签之间的误差的损失LCE优化经典神经网络，采用参数求导更新量子卷积神经网络的量子参数线路；直至，分类模型的损失函数Loss收敛；损失函数Loss由互信息损失LQMI与LCE构成。本发明提出了一种基于互信息机制的量子网络冗余控制训练方法，引入互信息损失和正则化系数，动态度量量子态之间关联关系，有效抑制冗余信息，强化关键特征的提取，进一步提高了分类任务性能。本发明解决了现有技术中未能充分挖掘量子与经典网络混合架构潜力的缺陷。