量子神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)與算法的研究.pdf

1、量子計(jì)算是信息科學(xué)與量子力學(xué)相結(jié)合的一門極其具有生命力的新興交叉學(xué)科，以量子神經(jīng)網(wǎng)絡(luò)為代表的量子計(jì)算由于其具有高度的并行性、指數(shù)級(jí)的存儲(chǔ)容量以及對(duì)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(yùn)藏著強(qiáng)大的生命力，現(xiàn)已成為世界各國(guó)學(xué)者們研究的前沿領(lǐng)域。通過在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中引進(jìn)量子計(jì)算機(jī)制，來(lái)提高神經(jīng)網(wǎng)絡(luò)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(luò)具有重要的理論和現(xiàn)實(shí)意義。
　　本文綜述了國(guó)內(nèi)外量子神經(jīng)網(wǎng)絡(luò)的

2、研究現(xiàn)狀和發(fā)展趨勢(shì)，概述了量子力學(xué)中的基礎(chǔ)理論知識(shí)，論述了當(dāng)前幾種典型量子神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)思路、神經(jīng)元結(jié)構(gòu)、網(wǎng)絡(luò)形式以及學(xué)習(xí)算法，分析了各個(gè)網(wǎng)絡(luò)的計(jì)算優(yōu)勢(shì)和局限性。針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)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(luò)單層感知器所不能解決的異或問題。同時(shí)借助傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的架構(gòu)，搭建了一種量子感知器神經(jīng)網(wǎng)絡(luò)模型，從理論上證明了該網(wǎng)絡(luò)模型具有良好的收斂性，并且給出了相應(yīng)的學(xué)習(xí)算法來(lái)訓(xùn)

3、練網(wǎng)絡(luò)中的參數(shù)。通過仿真實(shí)驗(yàn)，與RBF神經(jīng)網(wǎng)絡(luò)作對(duì)比，從對(duì)非線性函數(shù)逼近能力方面驗(yàn)證了該網(wǎng)絡(luò)模型和學(xué)習(xí)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(luò)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(luò)的架構(gòu)，搭建了一種基于受控非門的量子神經(jīng)網(wǎng)絡(luò)模型，從理論上證明了該網(wǎng)絡(luò)模型具有良好的連續(xù)性，同時(shí)給出了相應(yīng)的學(xué)習(xí)算法來(lái)訓(xùn)練網(wǎng)絡(luò)中的參數(shù)。通過仿真實(shí)驗(yàn)，與量子感知器