- 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
- 564704 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174634
- 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 . g+ X8 k, h0 Z
$ M: V c8 X4 j5 e( r0 ~: @1 V ~" i1 L8 N% P
Q, k8 P1 D4 S4 H" X: t
. k- i- d6 K# q9 `7 I; @
3 E- R& a# R0 K2 |7 w7 K" Q6 U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 7 g9 P( j; n. Y) O9 B2 G3 c
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 @& @$ F* ]9 S' w8 `* w" v
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 ( ~2 p8 G, _* c" b
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 3 {1 `% m4 u* Z; x
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 ! Z* s: p8 _9 P0 c8 i/ f
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
1 M9 r0 Z& p7 |4 j: |6 ~! o交叉研究的发展趋势进行了总结和展望。! R/ ]* O' P Z; ]/ `
8 v( H/ s# ^$ Z
- U+ B5 G9 ~1 z1 Y2 l4 ^5 s
|
zan
|