- 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
- 565641 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174915
- 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 7 T2 Q$ n F: G- O, g- y5 E s( x
4 P4 Z* ^ M; Q3 F9 j3 N
6 E7 G% U7 B1 K& O* X# s0 l4 U
! G5 @6 E1 Z# c/ F* m
5 E1 h$ q) L. t: ~: w& {# a( U& H1 M6 Z
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 " K! c! K$ r! |' w
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 |5 D! z9 ?3 K, c1 o2 z, P) ~
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 " r6 r8 b7 A' C
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
+ G+ s5 k6 h) o# ?) e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
2 k4 Y7 Z3 W& S) z0 u7 `7 d2 }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 A b$ H: V+ I
交叉研究的发展趋势进行了总结和展望。
1 E( F1 Y2 ~( v% h
# z* l P1 P; J) c, J7 ]" l8 B7 q; S: U3 h1 L2 @- G4 d+ j
|
zan
|
IP卡
狗仔卡
发表于 2020-11-10 15:18
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
