【技术实现步骤摘要】
确定方法、模型处理方法、装置、设备及存储介质
[0001]本公开涉及数据处理领域,尤其涉及量子计算
技术介绍
[0002]量子计算领域正在飞速的发展,同时,量子设备的性能在不断提升。在众多潜在的量子技术应用中,量子计算与人工智能的结合备受关注,尤其是使用量子计算机求解机器学习、线性代数等问题。而数据编码是利用量子计算机求解上述问题的必要步骤,因此,如何度量数据编码的性能成为一个亟待解决的问题。
技术实现思路
[0003]本公开提供了一种编码特征的确定方法、模型处理方法、装置、设备及存储介质。
[0004]根据本公开的一方面,提供了一种编码特征的确定方法,包括:
[0005]基于预设数据编码方式,将至少两个经典数据编码为目标量子态,其中,所述至少两个经典数据中的属于第一类别的第一经典数据编码为第一目标量子态,所述至少两个经典数据中的属于第二类别的第二经典数据编码为第二目标量子态;所述第一目标量子态属于所述第一类别,所述第二目标量子态属于所述第二类别;
[0006]基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态,得到所述第一类别和所述第二类别的差异特征;
[0007]至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征,得到所述预设数据编码方式的编码特征。
[0008]根据本公开的另一方面,提供了一种模型处理方法,包括:
[0009] ...
【技术保护点】
【技术特征摘要】
1.一种编码特征的确定方法,包括:基于预设数据编码方式,将至少两个经典数据编码为目标量子态,其中,所述至少两个经典数据中的属于第一类别的第一经典数据编码为第一目标量子态,所述至少两个经典数据中的属于第二类别的第二经典数据编码为第二目标量子态;所述第一目标量子态属于所述第一类别,所述第二目标量子态属于所述第二类别;基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态,得到所述第一类别和所述第二类别的差异特征;至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征,得到所述预设数据编码方式的编码特征。2.根据权利要求1所述的方法,还包括:在存在三个或三个以上的类别的情况下,得到任意两个类别的差异特征;其中,所述至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征,得到所述预设数据编码方式的编码特征,包括:在存在三个或三个以上的类别的情况下,从任意两个类别的差异特征中选取出目标差异特征;从所述属于第i类别的第i目标量子态的第i纯度特征中,选取出第一目标纯度特征;所述i为大于等于1的自然数;基于所述目标差异特征以及所述第一目标纯度特征,得到所述预设数据编码方式的编码特征。3.根据权利要求2所述的方法,其中,所述目标差异特征为最大差异特征,且所述第一目标纯度特征为最大纯度特征;或者,所述目标差异特征为最小差异特征,且所述第一目标纯度特征为最小纯度特征。4.根据权利要求1至3任一项所述的方法,还包括:基于属于所述第一类别的第一目标量子态,得到第一中心量子态;基于属于所述第二类别的第二目标量子态,得到第二中心量子态;其中,所述基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态,得到所述第一类别和所述第二类别的差异特征,包括:基于所述第一中心量子态和所述第二中心量子态,得到所述第一类别和所述第二类别的差异特征。5.根据权利要求4所述的方法,其中,所述基于属于所述第一类别的第一目标量子态,得到第一中心量子态,包括:至少基于属于所述第一类别的第一目标量子态的数量,以及属于所述第一类别的第一目标量子态,得到所述第一中心量子态。6.根据权利要求4或5所述的方法,其中,所述基于属于所述第二类别的第二目标量子态,得到第二中心量子态,包括:至少基于属于所述第二类别的第二目标量子态的数量,以及属于所述第二类别的第二目标量子态,得到所述第二中心量子态。
7.根据权利要求4至6任一项所述的方法,其中,所述基于所述第一中心量子态和所述第二中心量子态,得到所述第一类别和所述第二类别的差异特征,包括:得到所述第一中心量子态与所述第二中心量子态之间的迹距离;将所述第一中心量子态与所述第二中心量子态之间的迹距离作为所述第一类别和所述第二类别的差异特征。8.根据权利要求4至7任一项所述的方法,还包括:基于所述第一中心量子态,得到属于所述第一类别的第一目标量子态的所述第一纯度特征;基于所述第二中心量子态,得到属于所述第二类别的第二目标量子态的所述第二纯度特征;至少从所述第一纯度特征和所述第二纯度特征中选取出第二目标纯度特征;其中,所述至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征,得到所述预设数据编码方式的编码特征,包括:至少基于所述第一类别和所述第二类别的差异特征,以及所述第二目标纯度特征,得到所述预设数据编码方式的编码特征。9.根据权利要求8所述的方法,其中,所述第二目标纯度特征为最大纯度特征或最小纯度特征。10.一种模型处理方法,包括:基于至少两个预设数据编码方式的编码特征,从所述至少两个预设数据编码方式中选取出目标数据编码方式;其中,所述预设数据编码方式的编码特征是基于权利要求1至权利要求9任一项所述方法得到;基于所述目标数据编码方式,将待处理图像样本数据编码为目标量子态;将编码后得到的目标量子态输入至量子神经网络进行模型处理。11.一种编码特征的确定装置,包括:编码单元,用于基...
【专利技术属性】
技术研发人员:幺宏顺,王鑫,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。