CN119416034A 一种基于量子图注意力网络的图分类方法 （南京信息工程大学）_第1页
CN119416034A 一种基于量子图注意力网络的图分类方法 （南京信息工程大学）_第2页
CN119416034A 一种基于量子图注意力网络的图分类方法 （南京信息工程大学）_第3页
CN119416034A 一种基于量子图注意力网络的图分类方法 （南京信息工程大学）_第4页
CN119416034A 一种基于量子图注意力网络的图分类方法 （南京信息工程大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明提供了一种基于量子图注意力网络CNOT门组成一组酉门ue来对量子态进行演化；2步骤1，量子态制备：将图数据通过角度编码和振幅编码转化为用于量子计算的量子i个原始节点特征向量hi对应的量子态，8表示两个向Ih)=U.(Ih))81R,lo")(4)，所述量子线性映射器包括n条量子线路，每条量子线路包括一个用于编码节点特征的对量子线性映射器的量子线路执行测量操作，对量子态进行观测，对于每条含3特征概率幅值h=(Iholet"o,.…,Ihr-1lei"i-1)的量子态，其中Ihi-1leioi-1代表第i个拼接特征计算的稳定性；7m表示一个量子比在第i层对n维振幅的总模长，代表第((i-1)2"+l)维数据的模长；表示相位变化的差值，代表量子位的旋转角度；接着，对于两个节点特征向量hi和hj编码后的目标量子态，在辅助量子比特上使用一组新的含参旋转门和CSWAP门将两个节点的），4其中，oi,j代表Z基投影测量得到的测量值，(pz)代表对第2i个拼接节点特征向量进行(i)5[0008]步骤4，设计软阈值注意力机制，将对目标节点影响小的节点视为噪声项进行剔6[0012]其中，Ih)是目标量子态，Ih)是第i个原始节点特征向量hi对应的量子态，8表示[0014]Ih)=ZIh)(2)[0020]所述量子线性映射器包括n条量子线路，每条量子线路包括一个用于编码节点特熵损失函数进行更新，映射模块中的CNOT门和含参y门重复两次以上，以增强模型映射能(Iholet"o,.…,Ihr-1lei"i-1)的量子态，其中Ihi-1leioi-1代表第i个拼接特征的概率幅值，7((i-1)2"+l)维数据的模长；表示相位变化的差值，代表量子位的旋转角度；[0036]sum_q=llogzs]+(s+1[0042]其中，oi,j代表Z基8示第i个节点对第k个节点的未归一化的注意力系数，(i)表示节点特征向量的邻接节[0060]下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述9[0064]其中，Ih)是目标量子态，Ih)是第i个原始节点特征向量hi对应的量子态，8表示[0066]Ih)=ZIh)(2)因此考虑到要输入两个节点的节点特征向量hi和hj同时进行量子态制备，对于步骤1中的率幅值h=(Iholet"o,.…,Ihr-1lei"i-1)的量子态，其中Ihi-1leioi-1代表第i个拼接特征的概过程中与某个量子比特相关的不同数据项或状态，振幅归一化因子用于控制数据的大小，并确保量子计算的稳定性；表示一个量子比在第i层对n维振幅的总模长，[0089]sum_q=llogzs]+(s+1[0090]其中，llogzs]是决定哪两个节点进行拼接的辅助量子比特数，(s+1)logzn(i)[0103]有了节点间的注意力系数cij和每个节点对应的量子线性映射特征qi，得到更新[0111]在量子图注意力层得到的未归一化的注意力系数基础上，通过软阈值注意力机[0112]通过量子线性映射器得到的节点特

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论