买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津科技大学申请的专利基于硬件性能自适应的量子经典混合图像分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120997597B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511510882.0，技术领域涉及：G06V10/764；该发明授权基于硬件性能自适应的量子经典混合图像分类方法及系统是由徐华;徐银设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本基于硬件性能自适应的量子经典混合图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于硬件性能自适应的量子经典混合图像分类方法及系统,属于人工智能技术领域。其方法包括构建量子经典混合神经网络；利用图像数据集对所述量子经典混合神经网络进行训练，训练过程中利用联合调参控制器对所述量子经典混合神经网络的模型参数进行调整优化，所述联合调参控制器输入当前量子硬件资源信息以及所述量子经典混合神经网络的训练性能反馈指标，输出调整优化后的量子经典混合神经网络模型参数；利用训练好的量子经典混合神经网络进行图像分类。本发明通过对模型参数进行动态调整，避免了传统模型中依赖手动设定和固定参数的问题，有效提升了分类性能与模型泛化能力。

本发明授权基于硬件性能自适应的量子经典混合图像分类方法及系统在权利要求书中公布了：1.一种基于硬件性能自适应的量子经典混合图像分类方法，其特征在于，包括以下步骤： 构建量子经典混合神经网络； 利用预处理后的图像数据集对所述量子经典混合神经网络进行训练，训练过程中利用联合调参控制器对所述量子经典混合神经网络的模型参数进行调整优化，具体包括： S1.接收当前量子硬件资源信息以及量子经典混合神经网络的训练性能反馈指标，其中，Q表示当前可用量子比特数，表示量子门操作保真度，表示量子比特之间的连接结构，表示可支持的最大量子电路深度，表示读出保真度；Acc表示训练阶段模型分类准确率，L表示训练损失函数值，表示收敛速率； S2.基于待优化的量子经典混合神经网络模型参数生成参数搜索空间Θ，所述参数搜索空间Θ包括网络结构深度、量子编码维度、量子纠缠结构、量子电路层数、量子编码方式以及激活函数类型，并根据当前量子硬件资源信息H，确定每次搜索需满足的硬件约束条件： 所需量子比特数≤Q； 电路层数≤； 所需量子门操作保真度≥； 所需读出保真度≥； 量子比特之间的连接结构符合量子硬件支持的拓扑结构； S3.基于量子经典混合神经网络的训练性能反馈指标M构建目标评价函数： Score=α*Acc-β*L-γ*； 其中，α、β、γ为对应的权重系数； S4.在生成的参数搜索空间Θ内针对目标评价函数进行搜索，将使得目标评价函数取得最优值的量子经典混合神经网络模型参数组合，作为整优化后的量子经典混合神经网络模型参数； 利用训练好的量子经典混合神经网络进行图像分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津科技大学，其通讯地址为：300457 天津市滨海新区经济技术开发区第十三大街9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。