--- title: "微美全息推出可扩展的量子卷积神经网络，以提升图像分类的准确性和效率 | 微美全息股票新闻" description: "WiMi Hologram Cloud Inc. 宣布开发一种可扩展量子卷积神经网络（SQCNN），以提高图像分类的准确性和效率。与传统的量子神经网络相比，这种创新模型改善了特征提取和分类性能。它允许使用多个量子设备进行并行特征提取，优化训练时间并适应各种数据特征。SQCNN 旨在支持复杂应用，如自动驾驶和医学图像分析，标志着量子技术和人工智能的重大进步" type: "news" locale: "zh-CN" url: "https://longbridge.com/zh-CN/news/257398538.md" published_at: "2025-09-15T14:30:00.000Z" --- # 微美全息推出可扩展的量子卷积神经网络，以提升图像分类的准确性和效率 | 微美全息股票新闻 > WiMi Hologram Cloud Inc. 宣布开发一种可扩展量子卷积神经网络（SQCNN），以提高图像分类的准确性和效率。与传统的量子神经网络相比，这种创新模型改善了特征提取和分类性能。它允许使用多个量子设备进行并行特征提取，优化训练时间并适应各种数据特征。SQCNN 旨在支持复杂应用，如自动驾驶和医学图像分析，标志着量子技术和人工智能的重大进步 /PRNewswire/ -- WiMi Hologram Cloud Inc. (NASDAQ: WiMi)（"WiMi"或"公司"）是一家领先的全球全息增强现实（"AR"）技术提供商，今天宣布他们正在积极探索可扩展量子卷积神经网络（SQCNN）技术。与现有的量子神经网络模型相比，WiMi 开发的可扩展量子卷积神经网络模型表现出更优越的性能，显著提高了分类准确性。 传统的量子神经网络模型在处理复杂的图像分类任务时，常常由于特征提取不完整或不准确而导致分类结果存在偏差。相比之下，可扩展量子卷积神经网络模型通过优化量子比特的利用和独特的网络架构设计，能够更准确地从图像中提取关键特征，从而显著提高分类准确性。此外，在模型泛化方面，可扩展量子卷积神经网络模型能够更好地适应不同数据集的特征，即使面对新数据也能实现准确分类。这一优势使其在实际应用中更加稳定可靠，防止因微小数据变化而导致显著性能下降。在训练效率方面，可扩展量子卷积神经网络模型通过优化量子算法大大减少了训练所需的时间。通过利用先进的算法和高效的量子计算架构，可扩展量子卷积神经网络模型显著提升了应用效率。 在传统的卷积神经网络中，卷积层通过滑动卷积核对图像进行卷积操作，以提取图像的局部特征。在可扩展量子卷积神经网络的量子电路中，类似的功能是依赖于量子门的叠加和纠缠特性来实现的。量子门的叠加使得量子比特能够同时存在于多个状态，相当于同时处理多个特征，显著提高了处理效率。量子比特之间的纠缠建立了更复杂的关联，使得量子电路能够学习图像中更细微和更深层的特征。这一独特设计使得可扩展量子卷积神经网络的量子电路能够更好地学习特征，为后续的分类任务提供了坚实的基础。 特别是在可扩展量子卷积神经网络系统中，多个独立的量子设备可以并行提取特征，这一设计具有高度的创新性和实用性。在传统的机器学习任务中，特征提取通常是顺序进行的，这限制了处理速度和效率。相比之下，可扩展量子卷积神经网络系统中的并行设计允许不同的量子设备同时从图像的不同部分或不同类型的特征中提取特征，类似于多个工人在不同区域同时工作，显著加快了特征提取的速度。此外，这一设计允许灵活使用不同规模的量子设备。在面对不同规模和复杂性的机器学习任务时，可以根据实际需求选择和组合适当规模的量子设备。对于简单的小规模任务，可以使用较小的量子设备以降低成本和计算复杂性；对于复杂的大规模任务，可以组合多个较大规模的量子设备，以满足任务的计算需求，从而实现更大规模的机器学习任务。 WiMi 探索的可扩展量子卷积神经网络不仅在特征提取中实现了并行化和多维性，还通过动态适应量子设备的规模，打破了计算资源与任务复杂性之间的冲突。这一创新不仅显著提高了图像分类的准确性和效率，还在泛化能力与训练成本之间取得了平衡，为自动驾驶和医学图像分析等高实时性、高复杂性场景提供了技术支持。随着量子技术的不断发展，它将推动人工智能迈向更高维度的计算范式。 关于 WiMi Hologram Cloud WiMi Hologram Cloud, Inc. (NASDAQ:WiMi) 是一家全息云综合技术解决方案提供商，专注于包括全息 AR 汽车 HUD 软件、3D 全息脉冲激光雷达、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航等专业领域。其服务和全息 AR 技术包括全息 AR 汽车应用、3D 全息脉冲激光雷达技术、全息视觉半导体技术、全息软件开发、全息 AR 广告技术、全息 AR 娱乐技术、全息 ARSDK 支付、互动全息通信及其他全息 AR 技术。 安全港声明 本新闻稿包含 1995 年《私人证券诉讼改革法案》中的 “前瞻性声明”。这些前瞻性声明可以通过诸如 “将”、“预计”、“预期”、“未来”、“打算”、“计划”、“相信”、“估计” 等术语来识别。非历史事实的声明，包括关于公司信念和预期的声明，均为前瞻性声明。除此之外，本新闻稿中的商业前景和管理层的引用以及公司的战略和运营计划均包含前瞻性声明。公司还可能在其定期向美国证券交易委员会（“SEC”）提交的 20-F 和 6-K 表格的报告中、在向股东的年度报告中、在新闻稿和其他书面材料中，以及在其高管、董事或员工向第三方作出的口头声明中作出书面或口头的前瞻性声明。前瞻性声明涉及固有的风险和不确定性。多个因素可能导致实际结果与任何前瞻性声明中包含的结果存在重大差异，包括但不限于以下因素：公司的目标和战略；公司的未来业务发展、财务状况和运营结果；AR 全息行业的预期增长；以及公司对其产品和服务的需求和市场接受度的预期。 有关这些及其他风险的更多信息包含在公司提交给 SEC 的 20-F 表格的年度报告和 6-K 表格的当前报告以及其他文件中。本新闻稿中提供的所有信息均截至本新闻稿的日期。公司不承担更新任何前瞻性声明的义务，除非适用法律要求。 来源：WiMi Hologram Cloud Inc. ### Related Stocks - [WIMI.US - 微美全息](https://longbridge.com/zh-CN/quote/WIMI.US.md) ## Related News & Research | Title | Description | URL | |-------|-------------|-----| | 微美全息公司推出了一種用於高效圖像分類的混合量子經典神經網絡技術 | WiMi Hologram Cloud Inc. 宣佈開發了一種用於高效二元分類 MNIST 圖像的混合量子 - 經典神經網絡（H-QNN）技術。所展示的結果標誌着量子機器學習實際應用的重大進展。創新的 H-QNN 模型結合了量子計算和經典 | [Link](https://longbridge.com/zh-CN/news/275132561.md) | | 微美全息發佈了用於多通道監督學習的下一代量子卷積神經網絡技術 \| 微美全息股票新聞 | 微美全息（WiMi Hologram Cloud Inc.）推出了一種新的量子卷積神經網絡技術，用於多通道監督學習。這項創新技術能夠高效處理多通道數據，增強圖像分類、醫學成像和視頻分析的能力。該設計專注於硬件適應性，並利用量子特定編碼方法來 | [Link](https://longbridge.com/zh-CN/news/271539381.md) | | 比特幣暴跌逾 50% 後「底部」或已臨近？FED 降息次數成關鍵！ | 比特幣自歷史高位下跌逾 50%，市場分歧加劇，近期再遭猛烈拋售，價格一度跌破 6.6 萬美元。全球爆倉人數達 148859 人，總金額 4.67 億美元。儘管市場擔憂量子電腦可能破解比特幣安全，但 CoinShares 報告稱並非迫在眉睫的 | [Link](https://longbridge.com/zh-CN/news/275853783.md) | | 量子計算的股票是否會跌至零？ | 這隻量子股票可能更多的是炒作而非實質 | [Link](https://longbridge.com/zh-CN/news/276011584.md) | | IonQ (IONQ) 在加倍推進垂直整合量子平台戰略後股價下跌 8.5% | IonQ 的股票因其積極的垂直整合量子平台建設策略下跌了 8.5%。儘管年同比收入顯著增長，並計劃進行數十億美元的收購，但對現金消耗和稀釋的擔憂依然存在。該公司目標到 2028 年實現 3.886 億美元的收入，這需要每年 69.5% 的增 | [Link](https://longbridge.com/zh-CN/news/275682546.md) | --- > **免责声明**：本文内容仅供参考，不构成任何投资建议。