基于量子模糊神經(jīng)網(wǎng)絡(luò)的量子認(rèn)知圖構(gòu)建.pdf

1、由于量子信號處理具有并行化的特性，因此成為了量子計(jì)算在信號處理領(lǐng)域中新興的處理思路?，F(xiàn)階段科研工作者不斷的分析量子信息學(xué)和量子計(jì)算理論中的概念和原理，一方面尋找新的交叉模型，另一方面將這些新興的模型應(yīng)用到具體的工作和實(shí)際中去，使得量子信號處理的應(yīng)用領(lǐng)域更加廣泛。在認(rèn)知圖的模型中，概念間的因果關(guān)系要么局限于確定性的表示，要么局限于定性的概率表示，而且，由于專家知識表達(dá)的主觀性以及問題的復(fù)雜性，有較大可能造成系統(tǒng)建模不合理，所以對多專家知識

2、使用方法進(jìn)行分析，在模糊認(rèn)知圖（Fuzzy Cognitive Map，F(xiàn)CM）中引入量子態(tài)疊加的概念對模型進(jìn)行改進(jìn)，提出量子認(rèn)知圖(Quantum Cognitive Map，QCM)模型，用于分析概念間的因果關(guān)系影響程度，并給出數(shù)學(xué)度量。本文重點(diǎn)研究了量子認(rèn)知圖的構(gòu)建方法與訓(xùn)練算法，其主要的創(chuàng)新點(diǎn)如下：
　　 ⑴引入概率的概率幅（量子態(tài)）的概念構(gòu)造量子概念元（Quantum Concept，QC）模型。量子概念元模型不但可以

3、保存概念節(jié)點(diǎn)中所有的狀態(tài)，而且其態(tài)疊加的表達(dá)方式使得直接以數(shù)值形式計(jì)算量子概念元之間的因果影響程度成為可能。
　　 ⑵將量子概念元替換模糊認(rèn)知圖中的概念節(jié)點(diǎn)，構(gòu)造一種新的模糊認(rèn)知圖模型----量子認(rèn)知圖模型。在QCM模型中，用互函數(shù)（Mutual Subsethood）數(shù)值度量概念間的因果關(guān)系的影響程度，減少對專家知識的過度依賴，使模型中概念節(jié)點(diǎn)的因果關(guān)系描述更加準(zhǔn)確。
　　 ⑶量子模糊神經(jīng)網(wǎng)絡(luò)（Quantum Fuzz

4、y Neural Network，QFNN）模型的節(jié)點(diǎn)與量子概念元模型非常相似，將QFNN的訓(xùn)練算法映射到QCM 推理算法中。QCM的推理過程主要包括調(diào)整模糊事件之間因果關(guān)系影響的概率和動態(tài)更新QFNN的連接權(quán)重，這樣QCM模型可以綜合的分析因果推理過程。量子認(rèn)知圖模型在繼承了FCM 優(yōu)點(diǎn)的同時(shí)，還自然擴(kuò)展了FCM 因果影響程度模擬關(guān)系的能力，增強(qiáng)了認(rèn)知圖（Cognitive Map，CM）的語義信息和模擬能力。這個(gè)模型可以保存更多的系