-
公开(公告)号：CN118898726A
公开(公告)日：2024-11-05
申请号：CN202411397807.3
申请日：2024-10-09
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0499 , G06N10/60
摘要： 本申请提供一种量子神经网络处理多模态细粒度数据的方法及相关装置，涉及量子机器学习领域。其中，电子设备将多模态的多种经典细粒度特征分别编码到各自对应的量子比特集，以使多个量子比特集处于第一量子态，并通过每个特征提取线路作用于对应的量子比特集，将多个量子比特集演化为第二量子态；然后，通过每个特征融合线路将相邻两个量子比特集中的每个量子比特与其余量子比特分别建立纠缠关系，以使多个量子比特集演化为第三量子态；最后，通过测量线路作用于多个量子比特集，得到上述特征的处理结果。如此，深度整合不同经典细粒度特征的特征信息，有效揭示并挖掘它们之间的内在联系，进而显著提升了多种经典细粒度特征处理结果的精确度。
-
公开(公告)号：CN118821790A
公开(公告)日：2024-10-22
申请号：CN202411304955.6
申请日：2024-09-19
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
摘要： 本发明提供一种量子神经网络模型处理文本语义相似性的方法，包括，采集用于文本语义相似性分析任务的数据集，对数据集进行标准化的数据预处理；构建量子神经网络模型，包括：量子数据编码模块、量子文本特征提取模块、量子文本特征相似度计算模块、量子比特测量模块和网络参数优化模块；利用训练集和验证集的量子态对量子神经网络模型进行迭代训练和验证，直至满足设置的阈值条件后终止训练和验证，终止训练和验证后可得到性能最优的用于处理文本语义相似性分析的量子神经网络模型；利用测试集的量子态评估最优的用于处理文本语义相似性分析的量子神经网络模型的性能，能够处理复杂的文本语义相似性分析任务，提高了处理效率。
-
公开(公告)号：CN117669753B
公开(公告)日：2024-04-16
申请号：CN202410132334.8
申请日：2024-01-31
申请人： 北京航空航天大学杭州创新研究院
摘要： 本发明属于量子机器学习领域，提供一种量子模型训练方法、多模态数据处理方法及装置，训练方法包括：构建多模态样本训练集，多模态样本训练集包括多种模态的经典输入数据和样本标签；将经典输入数据转换为量子输入数据；将量子输入数据输入待训练的量子多模态神经网络模型，通过量子多模态神经网络模型对量子输入数据进行量子单模态特征提取、量子多模态特征融合及量子比特测量后，得到样本分析结果；根据样本分析结果和样本标签，对模型参数进行调整，直至满足迭代训练终止条件，得到训练好的量子多模态神经网络模型。由于量子多模态神经网络模型可实现对多模态数据高效、准确地处理，提升了模型在多模态数据处理和分析任务上的性能。
-
公开(公告)号：CN117787248A
公开(公告)日：2024-03-29
申请号：CN202410199691.6
申请日：2024-02-23
申请人： 北京航空航天大学杭州创新研究院
IPC分类号： G06F40/205 , G06F40/126 , G06F40/284 , G06N10/20 , G06N20/00
摘要： 本申请提供一种量子自注意力文本处理方法、装置、量子设备及存储介质，涉及量子机器学习领域。获取待处理文本，并编码到多个第一量子比特、多个第二量子比特以及多个第三量子比特，以得到第一量子态；通过注意力得分线路作用于多个第一量子比特、多个第二量子比特，得到演化的第二量子态；通过权重分配线路作用于多个第二量子比特与多个第三量子比特，得到演化的第三量子态；通过全连接线路作用于多个第三量子比特，得到演化的第四量子态，并测量出待处理文本的情感分类结果。如此，通过量子线路模拟自注意力机制对待处理文本进行分析，从而充分利用量子计算的特有优势提高文本识别效率与准确率。
-
公开(公告)号：CN117787248B
公开(公告)日：2024-05-14
申请号：CN202410199691.6
申请日：2024-02-23
申请人： 北京航空航天大学杭州创新研究院
IPC分类号： G06F40/205 , G06F40/126 , G06F40/284 , G06N10/20 , G06N20/00
摘要： 本申请提供一种量子自注意力文本处理方法、装置、量子设备及存储介质，涉及量子机器学习领域。获取待处理文本，并编码到多个第一量子比特、多个第二量子比特以及多个第三量子比特，以得到第一量子态；通过注意力得分线路作用于多个第一量子比特、多个第二量子比特，得到演化的第二量子态；通过权重分配线路作用于多个第二量子比特与多个第三量子比特，得到演化的第三量子态；通过全连接线路作用于多个第三量子比特，得到演化的第四量子态，并测量出待处理文本的情感分类结果。如此，通过量子线路模拟自注意力机制对待处理文本进行分析，从而充分利用量子计算的特有优势提高文本识别效率与准确率。
-
公开(公告)号：CN117669753A
公开(公告)日：2024-03-08
申请号：CN202410132334.8
申请日：2024-01-31
申请人： 北京航空航天大学杭州创新研究院
摘要： 本发明属于量子机器学习领域，提供一种量子模型训练方法、多模态数据处理方法及装置，训练方法包括：构建多模态样本训练集，多模态样本训练集包括多种模态的经典输入数据和样本标签；将经典输入数据转换为量子输入数据；将量子输入数据输入待训练的量子多模态神经网络模型，通过量子多模态神经网络模型对量子输入数据进行量子单模态特征提取、量子多模态特征融合及量子比特测量后，得到样本分析结果；根据样本分析结果和样本标签，对模型参数进行调整，直至满足迭代训练终止条件，得到训练好的量子多模态神经网络模型。由于量子多模态神经网络模型可实现对多模态数据高效、准确地处理，提升了模型在多模态数据处理和分析任务上的性能。
-
公开(公告)号：CN113159239B
公开(公告)日：2021-09-28
申请号：CN202110716435.6
申请日：2021-06-28
申请人： 北京航空航天大学
摘要： 本发明属于人工智能、机器学习和量子计算领域，涉及一种量子图卷积神经网络处理图数据的方法，包括：对数据预处理；将预处理后的数据制备为多个量子比特；构建具有量子比特输入模块、量子图卷积模块、量子池化模块、量子比特测量模块和网络优化更新模块的量子图卷积神经网络模型；多次迭代训练模型并优化模型中量子门的参数，使输出结果尽可能达到目标输出，实现机器学习任务。本发明利用量子计算和神经网络的优势能够有效处理非欧式空间数据类型的机器学习任务，使量子神经网络不再局限于仅处理结构化数据，极大扩展了量子机器学习的适用范围。此外，本发明的模型还易于封装且具有很强的泛化性能，可根据不同的图数据结构进行扩展。
-
公开(公告)号：CN113361664B
公开(公告)日：2021-11-05
申请号：CN202110910909.0
申请日：2021-08-10
申请人： 北京航空航天大学 , 中国科学院数学与系统科学研究院
摘要： 本发明公开了一种基于量子卷积神经网络的图像识别系统及方法，通过量子态输入单元制备或读入编码输入图像信息的量子比特，通过量子卷积神经网络运算单元对量子比特进行操作，通过量子态测量单元对量子比特进行测量操作，给出输出结果，通过网络优化单元进行训练，以使得量子卷积神经网络的输出结果尽量接近期望输出。本发明利用量子态编码图像信息，通过基于量子电路构建的量子卷积神经网络来高效地提取图像特征以及进行特征映射，并进行图像识别，能够实现对图像数据或者编码图像信息的量子数据进行高效特征提取，用于快速处理大规模、高维度图像数据的图像识别任务。
-
公开(公告)号：CN113361664A
公开(公告)日：2021-09-07
申请号：CN202110910909.0
申请日：2021-08-10
申请人： 北京航空航天大学 , 中国科学院数学与系统科学研究院
摘要： 本发明公开了一种基于量子卷积神经网络的图像识别系统及方法，通过量子态输入单元制备或读入编码输入图像信息的量子比特，通过量子卷积神经网络运算单元对量子比特进行操作，通过量子态测量单元对量子比特进行测量操作，给出输出结果，通过网络优化单元进行训练，以使得量子卷积神经网络的输出结果尽量接近期望输出。本发明利用量子态编码图像信息，通过基于量子电路构建的量子卷积神经网络来高效地提取图像特征以及进行特征映射，并进行图像识别，能够实现对图像数据或者编码图像信息的量子数据进行高效特征提取，用于快速处理大规模、高维度图像数据的图像识别任务。
-
公开(公告)号：CN113159239A
公开(公告)日：2021-07-23
申请号：CN202110716435.6
申请日：2021-06-28
申请人： 北京航空航天大学
摘要： 本发明属于人工智能、机器学习和量子计算领域，涉及一种量子图卷积神经网络处理图数据的方法，包括：对数据预处理；将预处理后的数据制备为多个量子比特；构建具有量子比特输入模块、量子图卷积模块、量子池化模块、量子比特测量模块和网络优化更新模块的量子图卷积神经网络模型；多次迭代训练模型并优化模型中量子门的参数，使输出结果尽可能达到目标输出，实现机器学习任务。本发明利用量子计算和神经网络的优势能够有效处理非欧式空间数据类型的机器学习任务，使量子神经网络不再局限于仅处理结构化数据，极大扩展了量子机器学习的适用范围。此外，本发明的模型还易于封装且具有很强的泛化性能，可根据不同的图数据结构进行扩展。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.052 秒)
