用于处理与神经网络关联的数据的方法和设备技术

本发明专利技术涉及一种用于处理与神经网络、例如人工神经网络关联的数据的方法、例如计算机实现的方法，其中该神经网络具有：用于对第一数据进行编码的编码机、例如编码器；和用于对借助于编码机所编码的数据进行解码、例如用于至少部分地重建第一数据的解码机、例如解码器，其中该编码器的至少一个层具有至少一个基于量子比特的处理元件，其中该方法具有：借助于编码机对第一数据进行编码，其中例如该至少一个基于量子比特的处理元件被用于该编码。个基于量子比特的处理元件被用于该编码。个基于量子比特的处理元件被用于该编码。

【技术实现步骤摘要】
用于处理与神经网络关联的数据的方法和设备


[0001]本公开涉及一种用于处理与神经网络关联的数据的方法。
[0002]本公开还涉及一种用于处理与神经网络关联的数据的设备。

技术实现思路

[0003]示例性的实施方式涉及一种用于处理与神经网络、例如人工神经网络关联的数据的方法、例如计算机实现的方法，其中该神经网络具有：用于对第一数据进行编码的编码机、例如编码器；和用于对借助于编码机所编码的数据进行解码、例如用于至少部分地重建第一数据的解码机、例如解码器，其中该编码器的至少一个层具有至少一个基于量子比特的处理元件，其中该方法具有：借助于编码机对第一数据进行编码，其中例如该至少一个基于量子比特的处理元件被用于该编码。在其它示例性的实施方式中，由此能实现加密、例如安全加密，例如借助于编码机来加密、例如安全加密。
[0004]在其它示例性的实施方式中，神经网络具有多个层，例如超过两个层，并且因此例如被设计成深度神经网络，即TNN，例如deep neural network，即DNN。
[0005]例如，编码机例如可具有两个或更多个层，在这些层中例如有输入层，该输入层例如被设计用于接收输入数据、例如第一数据。例如，解码机例如可具有一个或多个层，例如也具有用于输出借助于TNN所处理的数据的输出层。
[0006]在其它示例性的实施方式中，TNN的一个或多个内部或隐藏层（英文例如“hidden layers”）具有比输入层和/或输出层更少的处理元件。
[0007]在其它示例性的实施方式中，这些处理元件也可以称为神经元、例如人工神经元。
[0008]在其它示例性的实施方式中规定：该方法具有：对借助于编码机所编码的数据进行解码。
[0009]在其它示例性的实施方式中规定：编码机的至少一个层具有至少一个基于量子比特的处理元件，其中例如编码机的至少一个层由基于量子比特的处理元件形成，例如完全由基于量子比特的处理元件形成。由此，在其它示例性的实施方式中能够实现：以基于量子比特的处理元件为基础或者在使用基于量子比特的处理元件的情况下实施该编码，这提高了安全性。
[0010]在其它示例性的实施方式中规定：解码机的至少一个层具有至少一个基于量子比特的处理元件，其中例如解码机的至少一个层由基于量子比特的处理元件形成，例如完全由基于量子比特的处理元件形成。
[0011]在其它示例性的实施方式中规定：神经网络的至少一个层至少部分地由基于量子比特的处理元件组成，例如不仅具有基于量子比特的处理元件而且具有其它、即例如不是基于量子比特的处理元件。
[0012]在其它示例性的实施方式中规定：神经网络的至少一个层完全由基于量子比特的处理元件组成。
[0013]在其它示例性的实施方式中规定：该方法具有：使用神经网络作为自编码器，例如
a) 用于产生第一数据的压缩表示，例如借助于编码机来产生第一数据的压缩表示，和/或b) 用于至少部分地重建第一数据，例如借助于解码机来至少部分地重建第一数据，例如基于第一数据的压缩表示；并且可选地，例如借助于针对自编码器的已知的训练方法，对自编码器进行训练。
[0014]在其它示例性的实施方式中规定：该方法具有：借助于编码机对消息进行加密，其中获得加密消息；并且可选地，例如经由量子信道，发送该加密消息。
[0015]在其它示例性的实施方式中规定：该方法具有：借助于该解码机来对加密消息或该加密信息进行解密；并且可选地，例如经由量子信道或该量子信道，在该解密之前接收该加密消息。
[0016]其它示例性的实施方式涉及一种用于实施按照这些实施方式的方法的至少某些方面（例如加密和/或解密）的设备。
[0017]在其它示例性的实施方式中规定：该设备具有量子计算装置，该量子计算装置例如被设计用于实现至少一个基于量子比特的处理元件。
[0018]其它示例性的实施方式涉及一种用于发送加密消息的发送器，该发送器具有至少一个按照这些实施方式所述的设备。
[0019]其它示例性的实施方式涉及一种用于接收加密消息的接收器，该接收器具有至少一个按照这些实施方式所述的设备。
[0020]其它示例性的实施方式涉及一种计算机可读存储介质，其包括指令，这些指令在由计算机来执行时促使该计算机实施按照这些实施方式所述的方法。
[0021]其它示例性的实施方式涉及一种计算机程序，其包括指令，在由计算机来执行该程序时，这些指令促使该计算机实施按照这些实施方式所述的方法。
[0022]其它示例性的实施方式涉及一种数据载波信号，该数据载波信号传输和/或表征按照这些实施方式所述的计算机程序。
[0023]其它示例性的实施方式涉及按照这些实施方式所述的方法和/或按照这些实施方式所述的设备和/或按照这些实施方式所述的发送器和/或按照这些实施方式所述的接收器和/或按照这些实施方式所述的计算机可读存储介质和/或按照这些实施方式所述的计算机程序和/或按照这些实施方式所述的数据载波信号的用于如下要素中的至少一个的应用：a) 对数据、例如消息进行加密；b) 对数据、例如消息进行解密；c) 例如经由量子信道，对数据、例如消息进行交换、例如发送和/或接收；d) 对数据进行压缩；e) 异常检测；f) 阻止或遏制攻击、例如中间人攻击；g) 图像处理；h) 将数据的编码或压缩、例如高效的编码或压缩与量子密码学相结合。
[0024]本专利技术的其它特征、应用途径以及优点从随后对本专利技术的实施例的描述中得到，这些实施例在附图的图中示出。在此，所有被描述或者被示出的特征本身或以任意的组合来形成本专利技术的主题，与它们在权利要求书中的概括或者它们的回引无关，以及与它们在说明书中或在附图中的表达或呈现无关。
附图说明
[0025]在附图中：图1示意性示出了按照示例性的实施方式的简化流程图；
图2示意性示出了按照其它示例性的实施方式的简化框图；图3示意性示出了按照其它示例性的实施方式的简化框图；图4示意性示出了按照示例性的实施方式的简化流程图；图5示意性示出了按照示例性的实施方式的简化流程图；图6示意性示出了按照示例性的实施方式的简化框图；图7示意性示出了按照示例性的实施方式的简化框图；图8示意性示出了按照示例性的实施方式的应用的方面。
具体实施方式
[0026]示例性的实施方式，参见图1、2，涉及一种用于处理与神经网络NN（图2）、例如人工神经网络关联的数据的方法、例如计算机实现的方法，其中该神经网络NN具有：用于对第一数据D1进行编码的编码机ENC、例如编码器；和用于对借助于该编码机ENC所编码的数据D1'进行解码、例如用于至少部分地重建第一数据D1的解码机DEC、例如解码器，其中该编码器ENC的至少一个层L3具有至少一个基于量子比特的处理元件VE
‑
1、VE
‑
2、VE
‑
3，其中该方法具有：借助于编码机ENC对第一数据D1进行编码100，其中例如至少一个基于量子比特的处理元件VE...

【技术保护点】

【技术特征摘要】
1.一种用于处理与神经网络（NN；NN'）、例如人工神经网络关联的数据（DAT）的方法、例如计算机实现的方法，其中所述神经网络（NN；NN'）具有：用于对第一数据（D1）进行编码的编码机（ENC）、例如编码器；和用于对借助于所述编码机（ENC）所编码的数据（D1'）进行解码、例如用于至少部分地重建所述第一数据（D1）的解码机（DEC）、例如解码器，其中所述编码机（ENC）的至少一个层（L3；L2、L3）具有至少一个基于量子比特（QB）的处理元件（VE
‑
1、VE
‑
2、VE
‑
3），其中所述方法具有：借助于所述编码机（ENC）对所述第一数据（D1）进行编码（100），其中例如所述至少一个基于量子比特（QB）的处理元件（VE
‑
1、VE
‑
2、VE
‑
3）被用于所述编码（100）。2.根据权利要求1所述的方法，所述方法具有：对借助于所述编码机（ENC）所编码的数据（D1'）进行解码（102）。3.根据上述权利要求中至少任一项所述的方法，其中所述编码机（ENC）的至少一个层（L3）具有所述至少一个基于量子比特（QB）的处理元件（VE
‑
1、VE
‑
2、VE
‑
3），其中例如所述编码机（ENC）的至少一个层（L3）由基于量子比特（QB）的处理元件（VE
‑
1、VE
‑
2、VE
‑
3）形成，例如完全由基于量子比特的处理元件形成。4.根据上述权利要求中至少任一项所述的方法，其中所述解码机（DEC）的至少一个层（L4）具有至少一个基于量子比特的处理元件（VE
‑
1、VE
‑
2、VE
‑
3），其中例如所述解码机（DEC）的至少一个层（L4）由基于量子比特（QB）的处理元件形成，例如完全由基于量子比特的处理元件形成。5. 根据上述权利要求中至少任一项所述的方法，所述方法具有：使用（110）所述神经网络（NN；NN'）作为自编码器（AUTO
‑
ENC），例如a) 用于产生所述第一数据（D1）的压缩表示（D1'），例如借助于所述编码机（ENC）来产生所述第一数据的压缩表示，和/或b) 用于至少部分地重建所述第一数据（D1），例如借助于所述解码机（DEC）来至少部分地重建所述第一数据，例如基于所述第一数据（D1）的压缩表示（D1'）；并且可选地，对所述自编码器（AUTO
‑
ENC）进行训练（1...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：罗伯特，
类型：发明
国别省市：