[發明專利]一種采用優化初始權重的量子神經網絡壓縮計算全息圖的方法

有效

• 申請號: 201810409647.8
• 申請日: 2018-05-02
• 公開（公告）號: CN108881660B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 楊光臨;侯深化
• 申請（專利權）人: 北京大學
• 主分類號: H04N1/32
• 分類號: H04N1/32;G06N3/02
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 賈曉玲

1.一種采用優化初始權重的量子神經網絡壓縮計算全息圖的方法，具體步驟如下：

1）選擇普通圖像數據集進行歸一化預處理，根據菲涅耳離軸全息原理生成菲涅耳離軸計算全息圖訓練集合；

2）利用量子神經元構建一個三層的量子BP神經網絡，包含輸入層、隱含層與輸出層，同層神經元之間無連接，層與層之間各個量子神經元實現相互連接；

3）對步驟2）中構建的量子BP神經網絡通過設置零均值的均勻分布對各網絡參數進行初始化，將步驟1）制作完成的菲涅耳計算全息圖訓練集合中每一幅全息圖像分割成多個非重疊且大小相同的像素塊并轉換為一維向量，作為步驟2）中構建的量子BP神經網絡的輸入進行預訓練，獲得預訓練的網絡模型；

4）將待壓縮的計算全息圖分割成多個非重疊且大小相同的像素塊并轉換為一維向量，在步驟3）獲得的預訓練網絡模型上進行二次訓練，直到網絡輸出誤差滿足設定值獲得最終壓縮網絡，利用該網絡對待壓縮的計算全息圖進行壓縮傳輸與解壓縮。

2.如權利要求1所述的壓縮計算全息圖的方法，其特征在于，步驟2）具體包括如下步驟：

21）搭建由一位相移門和兩位受控非門組成的量子神經元數學模型；

22）使用量子BP神經網絡嘗試學習一個y=f(x)的函數；

23）利用反向傳播算法對步驟22）中構建的量子BP神經網絡中的參數進行求解，當網絡輸出誤差達到設定的值時停止網絡訓練。

3.如權利要求1所述的壓縮計算全息圖的方法，其特征在于，步驟2）中將第一層輸入層神經元設置為原始待壓縮全息圖像，則第二層隱含層神經元為全息圖像壓縮結果，第三層輸出層神經元為解壓后的全息圖像，其中隱含層神經元個數少于輸入和輸出層神經元個數。

4.如權利要求1所述的壓縮計算全息圖的方法，其特征在于，步驟4）中獲得壓縮的計算全息圖后，通過離軸參考光照射過程和菲涅耳衍射過程實現菲涅耳離軸全息圖再現。