低信噪比环境下雷达无人机检测与分类的混合量子神经网络优势
原文中文,约400字,阅读约需1分钟。发表于: 。本文研究了使用雷达进行检测和分类问题的混合量子神经网络 (HQNN) 和可比较的经典卷积神经网络 (CNN) 的性能。我们发现,在高信噪比 (SNR) 的情况下,CNN 在检测和分类方面的表现优于 HQNN。然而,在低信噪比范围内,HQNN 的性能优于类似架构的 CNN,这在实践中具有最大的关注度。
通过分析量子卷积神经网络(QCNNs),发现QCNNs利用量子数据嵌入物理系统参数,表现出高性能的量子相识别能力。QCNNs的汇集层选择有助于形成高性能决策边界的基函数。QCNN模型的泛化依赖于嵌入类型,基于有限测量次数的QCNN偏爱地面态嵌入和相关的物理信息模型。模拟结果为物理过程分类问题提供了启示。选择适当的地面态嵌入可用于流体动力学问题的QCNN。