- 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
- 564664 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174622
- 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 + t5 `8 N" J5 g- z7 Y& L' c ?
8 C5 d2 K2 ]1 S
* f7 Z+ y2 Y: j4 N( a
* ?5 U8 T8 F3 }7 o3 ^& k2 \9 m/ A" c; V( z6 \7 P! O0 H
- v* k/ L) a" n- ^; c" `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 1 ?' o6 o: K0 I9 N& D
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 ' }4 d# C$ s7 W5 [
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
/ P4 y9 s0 W( { T( n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
0 Q) K# \; _* ?+ e8 W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
+ w! z0 g$ n: C7 W0 ~: d* D) Q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 ( x7 J/ \# w4 D4 ]" J/ `5 d: q
交叉研究的发展趋势进行了总结和展望。
& i8 Z) z& J3 h( w, z$ @+ ?7 i; r6 I, j- i* D4 `% |2 F
9 `( X/ x4 {/ P& L
|
zan
|