买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京邮电大学;江苏有线数据网络有限责任公司申请的专利一种基于量子耦合的生成对抗网络设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120031075B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510490604.7，技术领域涉及：G06N3/045；该发明授权一种基于量子耦合的生成对抗网络设计方法是由李飞;吉家欣;李汀;滕庆亚设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本一种基于量子耦合的生成对抗网络设计方法在说明书摘要公布了：一种基于量子耦合的生成对抗网络设计方法，分别输入两个域的真实手写体图片信息；构建耦合量子生成对抗器的量子机器学习模型，用以测量鉴别器对数据真实性的判断概率及量子补丁生成器的量子比特振幅；通过参数共享方法，对量子补丁生成器和经典鉴别器的参数进行调整，捕捉到两个相似域的共享特征；同时使用补丁式网络的设计方法构建生成器，节约了量子比特数，降低了量子网络的训练成本。本发明所述方法可实现高质量的手写体数据生成，也为量子机器学习的领域适应方面提供了新的研究方向，可以实现跨域分类器较高的分类精度，并为未来量子生成对抗网络的发展开辟了新的可能性。

本发明授权一种基于量子耦合的生成对抗网络设计方法在权利要求书中公布了：1.一种基于量子耦合的生成对抗网络设计方法，其特征在于：包括以下步骤：S1、构建基于量子耦合的生成对抗网络量子机器学习模型，包括两个用于生成虚假像素信息的量子补丁生成器G1、G2,两个用于鉴别真实和虚假像素信息的经典鉴别器D1、D2；S2、将真实像素信息和量子补丁生成器生成的虚假像素信息输入经典鉴别器，观察经典鉴别器在输入真实像素数据和量子补丁生成器生成的虚假数据后判断概率；S3、在训练优化时采用参数层共享策略，G1、G2和D1、D2参数层都分为共享层与普通层，训练优化过程中在更新梯度时强制耦合网络分别将G1、G2和D1、D2对应参数层的共享层参数和进行共享；S4、重复步骤S2-S3达到最大迭代次数mum_epochs后，得到优化后的基于量子耦合的量子生成对抗器的量子机器学习模型，耦合生成器在训练完成后在没有对应监督的情况下，学习合成对应的图像对；S5、在经典鉴别器后加入一层softmax层得到两个分类器C1、C2，实现领域适应分类精度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学;江苏有线数据网络有限责任公司，其通讯地址为：210000 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。