电子技术 | 一种学习多域数据联合分布的量子耦合生成对抗网络
电子技术 | 一种学习多域数据联合分布的量子耦合生成对抗网络
摘要:一般量子生成对抗网络(generative adversarial network,GAN)只能处理单域数据,且受到量子比特数限制,生成质量会有很大程度下降。对此,提出一种学习多域数据联合分布的量子耦合GAN(quantumcoupledGAN,QCoGAN)。QCoGAN通过结合量子计算的并行计算能力和经典GAN的学习能力,对量子GAN结构进行耦合优化,相较于普通GAN可以捕捉到更多图像细节,通过施加量子参数层之间的权重共享约束,有效控制了网络容量,提升了训练效率。将量子GAN用于领域适应问题,将QCoGAN应用于多个手写体数据集的联合分布学习任务,证明了其在处理多域数据时的优越性,具有广阔的应用前景。