为进一步提高量子神经网络的性能，结合目前神经网络机理的研究进展，提出了一种基于量子门组的量子神经元模型，建立了量子门组量子神经网络（QuantumGateSetNeuralNetwork，QGSNN）。该算法由输入层、隐含层和输出层组成，该算法将转换后的量子态训练样本作为输入。利用量子旋转门和通用量子门完成旋转、选择、翻转和聚合等一系列操作，并完成了网络参数的更新。将训练后的结果输出。QGSNN算法的泛化能力在数学上得到了证明，并利用两个仿真实验对该方法进行验证。实验结果表明，与普通神经网络和普通量子神经网络相比，QGSNN算法在泛化性能、鲁棒性、准确率和执行时间等方面具有较好的效果。