【技术实现步骤摘要】
本说明书中实施方式关于机器学习领域，具体关于一种指标生成系统及其相关装置。
技术介绍
1、随着云计算和大数据时代的来临，用户经常需要通过某一个数据类别的历史数据，实现模拟该数据类别的数据在不同时间段的变化情况。在一些情况下，用户可以模拟运算出未来一个时间段的该数据类别的数据，从而获得该数据类别的数据在未来时间段内针对目标指标的目标指标值，以对社会生产、经营进行指导。例如，该数据类别的数据可以是气象数据。通过模拟气象数据未来一个时间段的变化情况，可以获取该时间段内的气象数据针对目标指标的目标指标值。其中，目标指标可以是空气质量等指标。
2、现有技术中，用户可以通过机器学习模型生成某个指定时间段内指定数据类别的数据针对目标指标的目标指标值。然而，为了提高机器学习模型生成的目标指标值的准确性，需要使用大量的训练样本对机器学习模型进行训练。
3、因此，现有技术中存在用于生成目标指标的目标指标值的机器学习模型从训练至上线部署这一过程需要花费较长的时间。
技术实现思路
1、本说明书中多个实施方式提供一种指标生成系统及其相关装置，提供了一种能够快速上线部署以为用户生成目标指标值的系统。
2、本说明书的一个实施方式提供一种指标生成系统，所述指标生成系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤：基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值；
3、本说明书的一个实施方式提供一种指标生成模型的训练系统，所述指标生成模型包括多个初级指标生成模型；所述指标生成模型基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，以基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值；其中，所述第一数据和所述第二数据的数据类别相同；所述多个初级指标生成模型包括多个通过支持向量机构建的向量机模型；至少部分向量机模型在训练时使用的核函数不同；至少一个向量机模型的核函数的输出值通过指定量子线路运算得到；所述指标生成模型的训练系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤：使用构建的训练样本分别对所述多个初级指标生成模型进行训练，训练完成的多个初级指标生成模型形成所述指标生成模型。
4、本说明书的一个实施方式提供一种量子计算系统；所述量子计算系统包括基础计算单元和量子计算单元；所述量子计算系统用于对量子向量机模型的进行训练；其中，所述量子向量机模型是指标生成模型包括多个初级指标生成模型中的至少一个；所述多个初级指标生成模型包括多个通过支持向量机构建的向量机模型；至少部分向量机模型在训练时使用的核函数不同；所述量子向量机模型的核函数的输出值通过指定量子线路运算得到；所述指标生成模型基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，以基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值；其中，所述第一数据和所述第二数据的数据类别相同；所述基础计算单元，用于在量子向量机模型被训练时，接收指标生成模型的训练系统提供的样本特征数据，以及将所述样本特征数据发送给量子计算单元；所述量子计算单元包括多个量子比特；所述量子计算单元用于依照指定量子线路，将对应所述样本特征数据的量子门作用于所述多个量子比特，以基于所述多个量子比特的测量结果，得到所述样本特征数据之间的相似度，作为所述量子向量机模型的核函数的输出值。
5、本说明书提供的多个实施方式，通过基于第一时间段内的产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，接着根据所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值。其中，所述第二时间段的结束时间晚于所述第一时间段的结束时间，第一数据和第二数据的数据类别相同。由于所述多个初级指标生成模型包括多个通过支持向量机构建的向量机模型，且至少部分向量机模型在训练时使用的核函数不同。并且，由于至少一个向量机模型的核函数的输出值通过指定量子线路运算得到，从而可以在训练时以较高的效率计算出不同训练样本在高维空间下的相似度，以实现快速调整指标生成模型的参数，从而可以实现指标生成系统能够快速上线部署以为用户生成目标指标值。
本文档来自技高网...【技术保护点】
1.一种指标生成系统，其特征在于，所述指标生成系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤：
2.根据权利要求1所述的系统，其特征在于，基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值的步骤，包括：
3.根据权利要求1所述的系统，其特征在于，所述目标指标的取值域由多个不同的候选指标值形成；所述初级指标值是多个候选指标值中的一个；基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值的步骤，包括：
4.一种指标生成模型的训练系统，其特征在于，所述指标生成模型包括多个初级指标生成模型；所述指标生成模型基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，以基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值；其中，所述第一数据和所述第二数据的数据类别相同；所述多个初级指标生成模型包括多个通过支持向量机构建的向量机
5.根据权利要求4所述的系统，其特征在于，核函数是通过指定量子线路实现的向量机模型作为量子向量机模型；使用构建的训练样本分别对所述多个初级指标生成模型进行训练的步骤，包括：
6.一种量子计算系统，其特征在于，所述量子计算系统包括基础计算单元和量子计算单元；所述量子计算系统用于对量子向量机模型的进行训练；其中，所述量子向量机模型是指标生成模型包括多个初级指标生成模型中的至少一个；所述多个初级指标生成模型包括多个通过支持向量机构建的向量机模型；至少部分向量机模型在训练时使用的核函数不同；所述量子向量机模型的核函数的输出值通过指定量子线路运算得到；所述指标生成模型基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，以基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值；其中，所述第一数据和所述第二数据的数据类别相同；
7.根据权利要求6所述的系统，其特征在于，所述样本特征数据包括第一样本特征数据和第二样本特征数据；所述量子计算单元用于依照指定量子线路，将对应所述样本特征数据的量子门作用于所述多个量子比特，以基于所述多个量子比特的测量结果，得到所述样本特征数据之间的相似度的步骤，包括：
8.根据权利要求7所述的系统，其特征在于，所述第二量子门是所述第一量子门的共轭转置量子门；所述多个第一量子门的参数分别对应所述第一样本特征数据的一个特征值；不同第一量子门对应的第一样本特征数据的特征值不同；所述多个第二量子门的参数分别对应所述第二样本特征数据的一个特征值；不同第二量子门对应的第二样本特征数据的特征值不同；
9.根据权利要求7所述的系统，所述第一量子门包括不同类型的第一类型量子门和第二类型量子门；第一类型量子门和第二类型量子门的参数是所述第一样本特征数据中的一个特征值；不同的第一类型量子门和第二类型量子门分别对应的第一样本特征数据的特征值不同；
10.一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存储有计算机程序，所述计算机程序被至少一个处理器执行时实现权利要求1-3任一项所述的指标生成系统的功能，或者权利要求4-5任一项所述的指标生成模型的训练系统的功能，或者权利要求6-9任一项所述的量子计算系统的功能。
...【技术特征摘要】
1.一种指标生成系统，其特征在于，所述指标生成系统包括存储器和处理器，所述存储器存储有计算机程序，所述处理器被配置成执行所述计算机程序时实现以下步骤：
2.根据权利要求1所述的系统，其特征在于，基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值的步骤，包括：
3.根据权利要求1所述的系统，其特征在于，所述目标指标的取值域由多个不同的候选指标值形成；所述初级指标值是多个候选指标值中的一个；基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值的步骤，包括：
4.一种指标生成模型的训练系统，其特征在于，所述指标生成模型包括多个初级指标生成模型；所述指标生成模型基于第一时间段内产生的第一数据，分别使用多个初级指标生成模型，生成第二时间段内的第二数据针对目标指标的初级指标值，以基于所述多个初级指标生成模型分别生成的多个初级指标值，确定所述目标指标的目标指标值；其中，所述第一数据和所述第二数据的数据类别相同；所述多个初级指标生成模型包括多个通过支持向量机构建的向量机模型；至少部分向量机模型在训练时使用的核函数不同；至少一个向量机模型的核函数的输出值通过指定量子线路运算得到；
5.根据权利要求4所述的系统，其特征在于，核函数是通过指定量子线路实现的向量机模型作为量子向量机模型；使用构建的训练样本分别对所述多个初级指标生成模型进行训练的步骤，包括：
6.一种量子计算系统，其特征在于，所述量子计算系统包括基础计算单元和量子计算单元；所述量子计算系统用于对量子向量机模型的进行训练；其中，所述量子向量机模型是指标生成模型包括多个初级指标生成模型中的至少一个；所述多个初级指标生成模型包括多个通过支持向量...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，窦猛汉，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
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。