摘要
本发明公开了一种数据处理方法、装置、设备、存储介质和程序产品,利用卷积神经网络提取待编码数据的空间特征,得到第一特征数据;对第一特征数据进行频域转换,得到包含频域信息的第二特征数据;对第二特征数据进行降维处理,得到一维特征向量;对一维特征向量进行量子态编码,得到编码数据。本发明能有效保留原始编码数据的空间关联性,通过卷积神经网络针对性提取局部空间特征,避免直接展平割裂元素位置关联,同时经频域转换捕捉频域信息,将周期性等全局模式转化为可承载信息,使得最终映射的量子态兼具完整局部特征与全局规律,从而提高量子编码的效率与精度。
技术关键词
数据处理方法
卷积神经网络提取
量子态
量子神经网络
局部空间特征
可读存储介质
空间特征提取
梯度下降算法
数据处理设备
数据处理装置
数据获取模块
计算机程序产品
处理器
传播算法
编码方法
编码模块
存储器
系统为您推荐了相关专利信息
图像分类方法
感知特征
标签
卷积神经网络提取
校准策略
大语言模型
扩展单元
数据输出格式
参数
数据处理方法
量子态
合规性
管控系统
人工智能技术
强电磁场干扰
船舶动力系统
数据处理方法
稀疏算法
负荷工况
稀疏字典
风险识别模型
风险识别方法
时间序列特征
注意力
参数