- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 564690 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174630
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
机器学习在量子保密通信中的应用与研究 * P: M4 w a9 ^% J8 l
; \2 Z& P9 k9 V2 J2 j! ^' R6 T; m& H' z* _$ X5 e+ a' _" _7 G
1 x3 } J6 d' U; p5 ~
d6 b$ i/ `+ r- }1 J9 d! n7 G: } T2 f+ E
量子信息与机器学习是目前国际两大前沿发展领域,近期均取得了一系列重大研究进展。而
$ J* s( ~3 ?% z0 D# k7 T7 ?0 R两者的交叉领域也正成为科学研究的热点,主要包括机器学习与量子通信、量子计算、量子光学等 3 i" E' m/ v# K. E6 y: s6 l6 C
方面的结合与应用。文中主要介绍机器学习与量子保密通信结合方面的知识和进展状况。机器学
% A8 t0 H- Z/ t+ s j习与量子保密通信的交叉研究,主要表现在从理论配置和实验控制两方面对量子密钥分发系统的
( b9 c; L! ?( p优化。通过监督学习过程将机器学习模型用于量子保密通信系统,可以有效降低通信过程所涉及
1 |& m4 p- X+ u! m的复杂度并提高系统的总体工作效率,同时实现资源优化配置。最后,对量子保密通信和机器学习
2 e c, y: E0 v/ W" j0 [交叉研究的发展趋势进行了总结和展望。2 x4 y T% s# P" _' r+ t! C" J
* H* A- X# S; ?4 n* E
6 x+ [4 t0 T) g/ Q$ B' t |
zan
|