量化量子模糊网络

百万级精度，轻量可解释

将模糊推理与变分量子电路融合，在保持高精度的同时提供可解释的置信度输出。

Jianhong, Yao · 郭阳明

IEEE Transactions on Fuzzy Systems 2026

技术优势

精度超越现有方案

在标准图像分类基准上超越相关最优模型，同时达到峰值准确率所需的超参数调整量适中。

规模增长温和

复杂度分析表明，门深度与参数规模随输入维度温和增长，网络保持轻量。

噪声下保真度高

在代表性门级噪声仿真下，保真度仍保持较高水平。

应用场景

• 边缘视觉：轻量模型可直接部署在边缘设备上做图像分类，无需高昂算力。
• 可解释决策：模糊规则给出分级置信度，让分类决策可解释而非黑箱。
• 量子分类：在量子硬件上原生执行分类，集成模糊推理以提升表达与抗噪性。