本研究提出了一种量子感知器，克服了传统感知器在智能系统中的局限性。实验结果表明，量子模型在模式分类方面具有显著的指数级优势。

本文提出了一种基于带限傅里叶展开的量子感知器（QPs）转移函数的模型，用于设计可扩展的训练过程的量子神经网络（QNNs），并添加了一种随机化的量子随机梯度下降技术，消除了样本复制的需要。该训练过程期望收敛于真实最小值，有助于提高数据效率和遵守禁止复制规则。