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！

龙图腾网获悉湖南师范大学申请的专利一种基于量子迁移学习的文本识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119537594B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411599227.2，技术领域涉及：G06F16/353；该发明授权一种基于量子迁移学习的文本识别方法是由娄小平;冯浩然设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于量子迁移学习的文本识别方法在说明书摘要公布了：本发明提供了一种基于量子迁移学习的文本分类方法，属于量子计算与人工智能融合领域。考虑到文本分类中的复杂特征空间和非线性特性，优化量子电路设计、自注意机制以及量子转移学习过程，以提高模型的学习效率和分类准确性。将该高维特征表示与复杂非线性决策过程转化为量子自注意网络结构，利用复杂量子内核自注意网络CQKSAN模型获得文本分类的最优策略，并在其中引入了量子叠加和纠缠机制以增强模型的表达能力。仿真结果表明，所提算法相比于传统深度学习算法和其他混合量子‑经典算法，具有更高的分类精度和学习效率。该方法不仅展现了混合量子‑经典方法的潜力，还为未来全量子学习系统的进一步研究提供了基础。

本发明授权一种基于量子迁移学习的文本识别方法在权利要求书中公布了：1.一种基于量子迁移学习的文本识别方法，其特征在于，包括以下步骤： S1：构建预训练的经典神经网络作为特征提取器，将输入的文本数据通过预训练模型提取特征； S2：将提取的特征通过量子电路进行处理，量子电路基于量子叠加与纠缠特性，优化了特征表示能力，使用角度编码将经典特征映射到量子态，具体包括：首先通过量子处理：BERT模型从输入文本中提取特征，然后通过经典神经网络层进行处理，以获得量子电路输入的实部；输入的实部使用ansatz编码为量子态，量子电路随后执行以下操作：应用旋转门RY将实部编码为量子态；根据ansatz类型，应用不同的量子电路：1HEAnsatz：应用Hadamard门将量子比特初始化为叠加态，基于参数应用旋转门RZ到每个量子比特，在相邻量子比特之间应用受控旋转门CRY；2QAOAAnsatz：应用Hadamard门将量子比特初始化为叠加态，应用旋转门RY到每个量子比特，在相邻量子比特之间应用受控非门CNOT门，随后是旋转门RZ和另一组CNOT门； S3：在量子电路中应用自注意机制，将输入特征转化为高维量子态，计算查询、键和值，并通过量子电路执行自注意力机制，获得更好的特征权重分配； S4：利用复杂量子内核方法模型，通过量子特征映射和内核函数计算不同输入样本之间的相似度，完成文本分类；量子内核函数通过量子特征映射后，进行两个量子态的内积计算：κψx,ψx＝|ψx|ψx，该内积用于衡量样本间的相似度，通过量子电路的特征映射后，量子内核函数能够更好地捕捉高维数据间的复杂关系；CQKSAN通过优化后的量子内核函数，在文本分类任务中实现更高的分类精度； S5：通过量子迁移学习框架，结合经典神经网络和量子电路的优势，提升模型学习效率和准确性，具体包括：对最终生成的量子态测量，得到量子态的输出值；经典损失函数通过交叉熵计算：在该框架中，经典模型负责初步特征提取，而量子电路对这些特征进行量子态编码和特征增强，最终提升文本分类的准确性；量子迁移学习通过预训练的经典模型加快量子模型的收敛，并利用量子计算提升分类效果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南师范大学，其通讯地址为：410081 湖南省长沙市麓山路36号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。