手写数字识别方法、系统、设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120336A(43)申请公布日2022.03.01(21)申请号202010862683.7(22)申请日2020.08.25(71)申请人合肥本源量子计算科技有限责任公司地址230088安徽省合肥市高新区创新大道2800号创新产业园二期E2楼六层(72)发明人李蕾方圆窦猛汉(51)Int.Cl.G06V30/32(2022.01)G06N3/08(2006.01)权利要求书2页说明书11页附图2页(54)发明名称手写数字识别方法、系统、设备及计算机可读存储介质(57)摘要本发明公开了手写数字识别方法、系统、设备及计算机可读存储介质，属于量子计算技术领域。手写数字识别方法包括：获得包含手写数字的目标图片的特征信息，利用经设定步骤预先训练完成的神经网络对所述特征信息进行处理以获得量子逻辑门的参量值；利用所述参量值更新预设量子线路中量子逻辑门的参量，并获得所述量子线路计算的子量子态ψi及对应的概率Ci；根据所述子量子态ψi及对应的概率Ci，确定与所述手写数字对应的十进制值作为所述目标图片的识别结果。本发明通过将预设的量子线路与神经网络结合能够实现对包含手写数字的图片进行数字读取。CN114120336ACN114120336A权利要求书1/2页1.一种手写数字识别方法，其特征在于，包括：获得包含手写数字的目标图片的特征信息，利用经设定步骤预先训练完成的神经网络对所述特征信息进行处理以获得量子逻辑门的参量值；利用所述参量值更新预设量子线路中量子逻辑门的参量，并获得所述预设量子线路计算的子量子态ψi及对应的概率Ci；根据所述子量子态ψi及对应的概率Ci，确定与所述手写数字对应的十进制值作为所述目标图片的识别结果。2.根据权利要求1所述的手写数字识别方法，其特征在于，所述特征信息为特征矩阵，所述获得包含手写数字的目标图片的特征信息，包括：接收包含手写数字的目标图片，对所述目标图片进行二值化处理，获得对应的二值图片；对所述二值图片进行矩阵化处理，获得目标图片的特征矩阵。3.根据权利要求2所述的手写数字识别方法，其特征在于，所述对所述二值图片进行矩阵化处理，获得目标图片的特征矩阵的步骤，包括：对所述二值图片中的各像素进行矩阵化处理，获得像素矩阵；对所述像素矩阵进行特征提取，获得对应的特征矩阵。4.根据权利要求1所述的手写数字识别方法，其特征在于，所述根据所述子量子态ψi及对应的概率Ci，确定与所述手写数字对应的十进制值作为所述目标图片的识别结果的步骤，包括：确定与ψi相对应的十进制数xi；计算出∑xiCi作为所述目标图片的识别结果。5.根据权利要求1所述的手写数字识别方法，其特征在于，所述根据所述子量子态ψi及对应的概率Ci，确定与所述手写数字对应的十进制值作为所述目标图片的识别结果的步骤，包括：根据所述子量子态ψi及对应的概率Ci，确定最大概率所对应的子量子态为第一子量子态；确定与所述第一子量子态相对应的十进制数作为所述目标图片的识别结果。6.根据权利要求1所述的手写数字识别方法，其特征在于，所述设定步骤包括：获取训练集中各样本图片对应的特征信息和标签值M，其中M＝0、1、…、9；初始化所述预设量子线路中各含参量子逻辑门的参量，利用反向传播算法确定与各所述标签值M相对应的量子逻辑门的参量值；根据各所述样本图片对应的特征信息以及与各所述标签值M相对应的量子逻辑门的参量值，利用反向传播算法确定所述神经网络的权重参数和偏置参数，并存储到所述神经网络获得训练完成的神经网络。7.根据权利要求6所述的手写数字识别方法，其特征在于，所述初始化所述预设量子线路中各含参量子逻辑门的参量，利用反向传播算法确定与各所述标签值M相对应的量子逻辑门的参量的值，具体包括：针对所述训练集中的每一标签值M，初始化一组随机值作为当前参量值θ；根据设定的偏移量δ，确定当前参量值θ对应的正偏移、负偏移分别为θ+δ、θ-δ；2CN114120336A权利要求书2/2页分别利用所述当前参量值θ、正偏移θ+δ、负偏移θ-δ更新所述预设量子线路中量子逻辑门的参量，获得对应的子量子态及对应的概率；根据所述子量子态及对应的概率，计算得到与所述当前参量值θ、正偏移θ+δ、负偏移θ-δ对应的十进制数N、N+、N-；确定梯度grad为(N+-N-)(N-M)；利用θ＝(θ-grad)迭代所述当前参量的值θ，并返回所述根据设定的偏移量δ，确定当前参量值θ对应的正偏移、负偏移分别为θ+δ、θ-δ的步骤，直至迭代次数达到设定值；确定与各所述标签值M相对应的量子逻辑门的参量值。8.根据权利要求6所述的手写数字识别方法，其特征在于，所述根据各所述样本图片对应的特征信息以及与各所述标签值M相对应的量子逻辑门的参量值，利用