量子神經(jīng)網(wǎng)絡模型結構與算法的研究.pdf

1、量子計算是信息科學與量子力學相結合的一門極其具有生命力的新興交叉學科，以量子神經(jīng)網(wǎng)絡為代表的量子計算由于其具有高度的并行性、指數(shù)級的存儲容量以及對經(jīng)典算法啟發(fā)式的加速作用，因此具有極大的優(yōu)越性并蘊藏著強大的生命力，現(xiàn)已成為世界各國學者們研究的前沿領域。通過在傳統(tǒng)的神經(jīng)網(wǎng)絡中引進量子計算機制，來提高神經(jīng)網(wǎng)絡的非線性逼近能力、收斂性、算法穩(wěn)定性等性能。因此，研究量子神經(jīng)網(wǎng)絡具有重要的理論和現(xiàn)實意義。
　　本文綜述了國內外量子神經(jīng)網(wǎng)絡的

2、研究現(xiàn)狀和發(fā)展趨勢，概述了量子力學中的基礎理論知識，論述了當前幾種典型量子神經(jīng)網(wǎng)絡的設計思路、神經(jīng)元結構、網(wǎng)絡形式以及學習算法，分析了各個網(wǎng)絡的計算優(yōu)勢和局限性。針對傳統(tǒng)神經(jīng)網(wǎng)絡中單層感知器的不能解決異或問題這一缺陷，提出了一種量子感知器神經(jīng)元模型，證明了其能解決傳統(tǒng)神經(jīng)網(wǎng)絡單層感知器所不能解決的異或問題。同時借助傳統(tǒng)神經(jīng)網(wǎng)絡的架構，搭建了一種量子感知器神經(jīng)網(wǎng)絡模型，從理論上證明了該網(wǎng)絡模型具有良好的收斂性，并且給出了相應的學習算法來訓

3、練網(wǎng)絡中的參數(shù)。通過仿真實驗，與RBF神經(jīng)網(wǎng)絡作對比，從對非線性函數(shù)逼近能力方面驗證了該網(wǎng)絡模型和學習算法的有效性和優(yōu)越性。
　　本文分析了量子感知器神經(jīng)網(wǎng)絡的不足，提出了一種基于受控非門的量子神經(jīng)元模型，從理論上分析了該模型能夠很好的模擬受控非門的特性，借助傳統(tǒng)神經(jīng)網(wǎng)絡的架構，搭建了一種基于受控非門的量子神經(jīng)網(wǎng)絡模型，從理論上證明了該網(wǎng)絡模型具有良好的連續(xù)性，同時給出了相應的學習算法來訓練網(wǎng)絡中的參數(shù)。通過仿真實驗，與量子感知器