← 返回列表
量子模型训练方法、多模态数据处理方法及装置
申请人信息
- 申请人:北京航空航天大学杭州创新研究院
- 申请人地址:310052 浙江省杭州市滨江区创慧街18号
- 发明人: 北京航空航天大学杭州创新研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 量子模型训练方法、多模态数据处理方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410132334.8 |
| 申请日 | 2024/1/31 |
| 公告号 | CN117669753A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06N10/20 |
| 权利人 | 北京航空航天大学杭州创新研究院 |
| 发明人 | 吕金虎; 高庆; 郑瑾; 王薇 |
| 地址 | 浙江省杭州市滨江区长河街道创慧街18号 |
摘要文本
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。
专利主权项内容
1.一种量子模型训练方法，其特征在于，包括：构建多模态样本训练集，其中，所述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；将所述经典输入数据转换为量子输入数据；将所述量子输入数据输入待训练的量子多模态神经网络模型，通过所述量子多模态神经网络模型对所述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以及量子比特测量后，得到样本分析结果；根据所述样本分析结果和所述样本标签，对所述量子多模态神经网络模型的模型参数进行调整，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。