量子神經(jīng)網(wǎng)絡(luò)模型及其算法研究.pdf

1、量子神經(jīng)網(wǎng)絡(luò)是一種嶄新的技術(shù)理論，是量子計(jì)算理論與人工神經(jīng)網(wǎng)絡(luò)結(jié)合的產(chǎn)物。量子神經(jīng)網(wǎng)絡(luò)兼具兩者的優(yōu)點(diǎn)，同時(shí)又能夠利用量子態(tài)疊加、量子并行計(jì)算和量子糾纏等特性克服傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的某些固有缺陷，極有可能成為未來信息處理的重要手段。 本文對(duì)量子神經(jīng)網(wǎng)絡(luò)模型展開研究，給出了量子間隔的更新式的數(shù)學(xué)推導(dǎo)，針對(duì)量子神經(jīng)網(wǎng)絡(luò)模型仍采用BP算法進(jìn)行訓(xùn)練因而不能避免BP算法的某些缺陷的問題，提出了采用反正切函數(shù)作為量子神經(jīng)網(wǎng)絡(luò)模型隱含層激活函數(shù)，

2、并在權(quán)值修正量中引入假飽和預(yù)防函數(shù)，提出了改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)模型；在對(duì)量子遺傳算法理論分析的基礎(chǔ)上，本文將改進(jìn)的量子遺傳算法與BP算法相結(jié)合，提出了量子遺傳神經(jīng)網(wǎng)絡(luò)混合算法，進(jìn)一步改進(jìn)了量子神經(jīng)網(wǎng)絡(luò)模型的收斂性能。本文所做的主要工作如下： (1)概述了量子遺傳算法，重點(diǎn)對(duì)量子旋轉(zhuǎn)門進(jìn)行了詳細(xì)分析，通過動(dòng)態(tài)調(diào)整旋轉(zhuǎn)角的策略，將旋轉(zhuǎn)角視為與當(dāng)前迭代代數(shù)相關(guān)的變量，從而加速了收斂；引入量子交叉和群體災(zāi)變操作，提出了改進(jìn)的量子遺傳算法，

3、提高了算法的搜索能力。 (2)分析了多層激活函數(shù)的量子神經(jīng)網(wǎng)絡(luò)模型，給出了量子神經(jīng)網(wǎng)絡(luò)模型的量子間隔訓(xùn)練算法的詳細(xì)推導(dǎo)；提出了改進(jìn)的量子神經(jīng)網(wǎng)絡(luò)模型，引進(jìn)了比sigmoid函數(shù)更為陡峭的反正切函數(shù)作為隱含層神經(jīng)元的激活函數(shù)，同時(shí)引入了假飽和預(yù)防函數(shù)，避免網(wǎng)絡(luò)陷入飽和狀態(tài)，提高了模型的收斂速度。 (3)提出了量子遺傳神經(jīng)網(wǎng)絡(luò)混合算法，采用量子遺傳算法對(duì)量子神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值進(jìn)行優(yōu)化，將最優(yōu)解作為量子神經(jīng)網(wǎng)絡(luò)模型的初始