神经网络训练的数据处理方法、量子计算设备及介质

本申请涉及一种神经网络训练的数据处理方法、量子计算设备及介质，属于量子计算、人工智能技术领域，用以解决现有神经网络训练计算量大导致效率较低的问题。本申请将神经网络中的激活函数和损失函数划分为多个分段，每个分段采用对应的分段多项式函数表示；将神经网络中的连续参数离散化为二进制变量的组合；基于分段多项式函数构建目标函数，将神经网络训练问题构建为QUBO模型；将神经网络训练中的约束条件转化为罚函数，将所述罚函数加入到所述目标函数中，将带约束问题转化为无约束0‑1规划问题；对QUBO模型进行求解，得到神经网络训练问题的解。本申请简化了激活和损失函数的表示和计算，减少训练过程中的计算负担，大大提高了训练的效率。