Scidown文献预览系统！
量子卷积神经网络教程(QCNN)( A Tutorial on Quantum Convolutional Neural Networks (QCNN) )
S Oh J Choi J Kim
卷积神经网络(CNN)是计算机视觉中的一种流行模型，具有充分利用数据相关性信息的优点。然而，如果给定的数据或模型维数过大，则CNN难以有效地学习。量子卷积神经网络(QCNN)为利用量子计算环境解决CNN所要解决的问题提供了一种新的解决方案，也为改进现有学习模型的性能提供了一个方向。第一项研究将CNN的结构应用到量子计算环境中，提出了一个有效解决量子物理和化学中分类问题的模型。研究还提出了利用多尺度纠缠重整化分析(MERA)计算O（log(n)）深度的模型。第二项研究介绍了一种改进模型性能的方法，该方法通过在现有计算机视觉中使用的CNN学习模型中添加一个使用量子计算的层来提高模型的性能。该模型也可用于小型量子计算机，通过在CNN模型上增加量子卷积层或用卷积层替代，设计出混合学习模型。本文还通过TensorFlow量子平台，利用MNIST数据集进行训练，验证了QCNN模型与CNN相比是否具有高效的学习能力。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 零甲烷排放泥炭地:生物地球化学特征和预测对环境变化的反应/环境保护联盟大会下载
scidown 程序的完成时间取决于处理器的故障和维修下载
scidown 程序的完成时间取决于处理器的故障和维修下载