龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本发明公开了一种提升量子机器学习模型泛化性能的方法，属于数据分类技术领域，该方法扩展了以往使用固定的Pauli算符作为测量算子的局限，提出通过优化可观测量来完成量子机器学习模型设计的新方法，该方法主要涉及两步优化，首先通过求解二次规划寻找适合于采样后小型数据集的集合，该步骤的思想类似于经典机器学习的范数最小化，以此来提高模型的泛化性能；其次将该集合的特征值构建为测量算子在训练集上完成针对门电路参数的优化，从而进一步提升模型的性能。最后，通过pennylane上的实验仿真以及在IBM真实量子计算机上的测试，验证了本发明的可行性。本发明为量子机器学习模型的设计提供了新的思路，有望推进该领域的发展。
主权项：1.一种提升量子机器学习模型泛化性能的方法，其特征在于，包括如下步骤：S1、将包含两类样本及其相应特征的二分类数据集添加按比例划分为训练集与测试集，对训练集数据按设定比例进行随机采样得到一个小型数据集，同时固定一种编码映射电路，对小型数据集中的所有样本点进行特征映射；S2、将S1中采样得到的小型数据集作为样本信息，求解其标准的凸二次规划，得到最优解；S3、根据S2中得到最优解计算最优的厄密特矩阵，再将其进行特征分解，得到其特征值对应的矩阵，并将该特征值矩阵作为量子分类器的实际可观测量M；S4、构建量子机器学习模型，所述量子机器学习模型包括编码映射模块、可训练的参数化量子线路模块以及测量所需要的可观测量模块；S5、设计量子机器学习模型的损失函数，并通过设计的损失函数对S4构建的量子机器学习模型进行训练，直至设定的迭代次数后，得到优化后的量子机器学习模型；S6、将待分类的测试集数据输入到优化完成的量子机器学习模型中，得到分类结果。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种提升量子机器学习模型泛化性能的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号