【技术实现步骤摘要】
本申请涉及数据处理领域，特别涉及一种情感识别方法、系统、装置及介质。
技术介绍
1、情感识别是一种应用广泛的技术，可以用于消费者分析、游戏反馈、医疗监护和疲劳驾驶检测等领域。为了实现低能耗的情感识别解决方案，研究人员开始着眼于基于脉冲神经网络的情感识别研究。脉冲神经网络通过其强大的生物可解释性和脉冲传递的特性，使得单个神经元的单次计算能耗要比传统神经元小得多。然而，为了将数据输入到脉冲神经网络中进行处理，需要将浮点数值转化为脉冲神经元处理的脉冲序列，这个过程被称为脉冲编码。
2、现有的脉冲编码方式存在可解释性差的问题，这可能会导致提取情感数据中的关键信息时出现误差或丢失重要信息，进而影响情感识别的准确性。
技术实现思路
1、本申请的目的是提供一种情感识别方法、系统、装置及介质，利用基于量子计算的脉冲编码电路对情感数据进行量子编码，能够更准确地提取情感数据中的关键信息，从而通过脉冲神经网络模型进行处理时，可以提高情感识别结果的准确性。
2、为解决上述技术问题，本申请提供了一种情感识别方法，包括：
3、获取待识别情感数据，将所述待识别情感数据输入至基于量子计算的脉冲编码电路中；
4、根据所述待识别情感数据、初始化的第一量子比特和第二量子比特利用所述脉冲编码电路对所述待识别情感数据进行量子编码，得到脉冲序列；
5、将所述脉冲序列输入至脉冲神经网络模型中，使用所述脉冲神经网络模型对所述脉冲序列进行处理，得到与所述待识别情感数据对应
6、在一种实施例中，根据所述待识别情感数据、初始化的第一量子比特和第二量子比特利用所述脉冲编码电路对所述待识别情感数据进行量子编码，得到脉冲序列，包括：
7、根据所述待识别情感数据利用所述脉冲编码电路对所述第一量子比特、所述第二量子比特进行量子叠加操作和量子纠缠操作，得到量子比特中间态数据；
8、利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列。
9、在一种实施例中，根据所述待识别情感数据利用所述脉冲编码电路对所述第一量子比特、所述第二量子比特进行量子叠加操作和量子纠缠操作，得到量子比特中间态数据，包括：
10、将所述第一量子比特输入至第一量子逻辑门电路，得到第一中间量子数据；将所述第二量子比特输入至第二量子逻辑门电路，得到第二中间量子数据；
11、所述待识别情感数据为第i量子逻辑门电路的参数且第j量子逻辑门电路的参数为预设常数，或所述待识别情感数据分别作为所述第一量子逻辑门电路和所述第二量子逻辑门的参数，i为一时j为二，i为二时j为一；
12、将所述第一中间量子数据和所述第二中间量子数据输入至第三量子逻辑门电路，利用所述第三量子逻辑门电路对所述第一中间量子数据和所述第二中间量子数据作量子比特纠缠处理，得到所述量子比特中间态数据。
13、在一种实施例中，将所述第一量子比特输入至第一量子逻辑门电路，得到第一中间量子数据，包括：
14、将所述第一量子比特输入至第一rx门，并利用第一公式得到所述第一中间量子数据；
15、所述第一公式为：
16、；
17、其中，为所述第一中间量子数据，为所述第一rx门的逻辑函数，为所述第一量子比特的初始状态，为所述待识别情感数据中的各个第一实数的值，；
18、将所述第二量子比特输入至第二量子逻辑门电路，得到第二中间量子数据，包括：
19、将所述第二量子比特输入第二rx门，并利用第二公式得到所述第二中间量子数据；
20、所述第二公式为：
21、；
22、其中，为所述第二中间量子数据，为所述第二rx门的逻辑函数，为所述第二量子比特的初始状态，为所述待识别情感数据中的各个第二实数的值，所述第一实数和所述第二实数的集合为所述待识别情感数据中全部实数的集合。
23、在一种实施例中，将所述第一中间量子数据和所述第二中间量子数据输入至第三量子逻辑门电路，利用所述第三量子逻辑门电路对所述第一中间量子数据和所述第二中间量子数据作量子比特纠缠处理，得到所述量子比特中间态数据，包括：
24、将所述第一中间量子数据和所述第二中间量子数据输入至控制非门，利用所述控制非门对所述第一中间量子数据和所述第二中间量子数据作量子比特纠缠处理，得到所述量子比特中间态数据；
25、所述控制非门的表达式为：，或，；
26、其中，表示外积操作，，为所述量子比特中间态数据。
27、在一种实施例中，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
28、利用所述观测基对所述第三量子逻辑门电路输出的所述量子比特中间态数据进行多次观测，根据多次的所述观测结果得到所述脉冲序列；
29、所述观测基的表达式为：，其中，为所述观测基。
30、在一种实施例中，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
31、所述控制非门的表达式为，且所述待识别情感数据为所述第i量子逻辑门电路的参数且所述第j量子逻辑门电路的参数为所述预设常数时，利用所述观测基对所述量子比特中间态数据中的第二量子比特进行多次观测，根据多次的所述观测结果得到所述脉冲序列。
32、在一种实施例中，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
33、所述控制非门的表达式为，且所述待识别情感数据为所述第i量子逻辑门电路的参数且所述第j量子逻辑门电路的参数为所述预设常数时，利用所述观测基对所述量子比特中间态数据中的第一量子比特进行多次观测，根据多次的所述观测结果得到所述脉冲序列。
34、在一种实施例中，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
35、所述待识别情感数据分别作为所述第一量子逻辑门电路和所述第二量子逻辑门的参数时，利用所述观测基对所述量子比特中间态数据中的第一量子比特和第二量子比特进行多次观测，根据多次的所述观测结果得到所述脉冲序列。
36、在一种实施例中，获取待识别情感数据之后，还包括：
37、对所述待识别情感数据进行特征提取，得到情感特征数据；
38、对所述待识别情感数据进行量子编码，得到对应的量子比特数据，包括：
39、对所述情感特征数据进行量子编码，得到所述量子比特数据。
40、在一种实施例中，对所述待识别情感数据进行特征提取，得到情感特征数据，包括：
41、使用特征提取模型对所述待识别情感数据进行特征提取，得到所述情感特征数据。
42、在一种实施例中，对所述待识别情感数据进行特征提取，得到情感特征数据之前，还包括：
43、获取待识别情感数据的数据类型，根据所述本文档来自技高网...
【技术保护点】
1.一种情感识别方法，其特征在于，包括：
2.如权利要求1所述的情感识别方法，其特征在于，根据所述待识别情感数据、初始化的第一量子比特和第二量子比特利用所述脉冲编码电路对所述待识别情感数据进行量子编码，得到脉冲序列，包括：
3.如权利要求2所述的情感识别方法，其特征在于，根据所述待识别情感数据利用所述脉冲编码电路对所述第一量子比特、所述第二量子比特进行量子叠加操作和量子纠缠操作，得到量子比特中间态数据，包括：
4.如权利要求3所述的情感识别方法，其特征在于，将所述第一量子比特输入至第一量子逻辑门电路，得到第一中间量子数据，包括：
5.如权利要求4所述的情感识别方法，其特征在于，将所述第一中间量子数据和所述第二中间量子数据输入至第三量子逻辑门电路，利用所述第三量子逻辑门电路对所述第一中间量子数据和所述第二中间量子数据作量子比特纠缠处理，得到所述量子比特中间态数据，包括：
6.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
7.如权利要
8.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
9.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
10.如权利要求1-9任一项所述的情感识别方法，其特征在于，获取待识别情感数据之后，还包括：
11.如权利要求10所述的情感识别方法，其特征在于，对所述待识别情感数据进行特征提取，得到情感特征数据，包括：
12.如权利要求11所述的情感识别方法，其特征在于，对所述待识别情感数据进行特征提取，得到情感特征数据之前，还包括：
13.如权利要求12所述的情感识别方法，其特征在于，获取待识别情感数据的数据类型之后，还包括：
14.如权利要求13所述的情感识别方法，其特征在于，在判定不存在与所述数据类型对应的目标特征提取模型之后，还包括：
15.如权利要求14所述的情感识别方法，其特征在于，构建与所述数据类型对应的特征提取神经网络模型之前，还包括：
16.如权利要求15所述的情感识别方法，其特征在于，所述特征提取神经网络模型为深度卷积神经网络模型时，对所述神经网络结构参数和所述权重参数进行染色体编码，包括：
17.如权利要求14所述的情感识别方法，其特征在于，对所述特征提取神经网络模型进行优化，并获取优化过程中所述神经网络结构参数和所述权重参数的最优解，包括：
18.如权利要求17所述的情感识别方法，其特征在于，根据各个第二染色体编码与所述第一染色体编码之间的得分差距更新各个所述第二染色体编码，包括：
19.如权利要求17所述的情感识别方法，其特征在于，使任意两个所述第二染色体编码之间相互学习，以更新所述第二染色体编码，包括：
20.如权利要求17所述的情感识别方法，其特征在于，使任意两个所述第二染色体编码之间相互学习，以更新所述第二染色体编码，包括：
21.一种情感识别系统，其特征在于，包括：
22.一种情感识别装置，其特征在于，包括：
23.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-20任一项所述的情感识别方法的步骤。
...【技术特征摘要】
1.一种情感识别方法，其特征在于，包括：
2.如权利要求1所述的情感识别方法，其特征在于，根据所述待识别情感数据、初始化的第一量子比特和第二量子比特利用所述脉冲编码电路对所述待识别情感数据进行量子编码，得到脉冲序列，包括：
3.如权利要求2所述的情感识别方法，其特征在于，根据所述待识别情感数据利用所述脉冲编码电路对所述第一量子比特、所述第二量子比特进行量子叠加操作和量子纠缠操作，得到量子比特中间态数据，包括：
4.如权利要求3所述的情感识别方法，其特征在于，将所述第一量子比特输入至第一量子逻辑门电路，得到第一中间量子数据，包括：
5.如权利要求4所述的情感识别方法，其特征在于，将所述第一中间量子数据和所述第二中间量子数据输入至第三量子逻辑门电路，利用所述第三量子逻辑门电路对所述第一中间量子数据和所述第二中间量子数据作量子比特纠缠处理，得到所述量子比特中间态数据，包括：
6.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
7.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
8.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
9.如权利要求5所述的情感识别方法，其特征在于，利用观测基对所述量子比特中间态数据进行观测，根据观测结果得到所述脉冲序列，包括：
10.如权利要求1-9任一项所述的情感识别方法，其特征在于，获取待识别情感数据之后，还包括：
11.如权利要求10所述的情感识别方法，其特征在于，对所述待识别情感数据进行特...
【专利技术属性】
技术研发人员：王斌强，姜金哲，董刚，赵雅倩，
申请(专利权)人：苏州元脑智能科技有限公司，
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。