基于量子神經(jīng)網(wǎng)絡(luò)的模式識(shí)別技術(shù)研究.pdf

1、本文分析了基于量子并行計(jì)算和量子糾纏特性的量子神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，對(duì)量子躍遷神經(jīng)網(wǎng)絡(luò)、量子衍生神經(jīng)網(wǎng)絡(luò)、量子聯(lián)想記憶等幾種量子神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了研究，分析了各種模型的結(jié)構(gòu)、學(xué)習(xí)方法及特性；探討了量子神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、函數(shù)近似方面的簡(jiǎn)單應(yīng)用。為了與經(jīng)典人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用性能進(jìn)行比較，本文分別采用Back-Propagation(BP)網(wǎng)絡(luò)和Hopfield網(wǎng)絡(luò)對(duì)帶噪聲字母進(jìn)行識(shí)別，并比較這兩種人工神經(jīng)網(wǎng)絡(luò)的抗干擾和識(shí)別能力。最后

2、，使用量子門組(即相移門和受控非門)作為基本計(jì)算單元，借助復(fù)數(shù)Back-Propagation學(xué)習(xí)算法研究了一個(gè)量子神經(jīng)元模型，并對(duì)該模型的收斂特性進(jìn)行數(shù)值仿真，結(jié)果表明當(dāng)選擇的自適應(yīng)增益常數(shù)越接近于1.0時(shí)，該量子神經(jīng)元的訓(xùn)練時(shí)長(zhǎng)小于經(jīng)典神經(jīng)元。在該神經(jīng)元模型基礎(chǔ)上，構(gòu)造出一個(gè)三層量子神經(jīng)網(wǎng)絡(luò)，并將該網(wǎng)絡(luò)應(yīng)用于一個(gè)帶有噪聲的字母識(shí)別，數(shù)值計(jì)算結(jié)果表明，量子神經(jīng)網(wǎng)絡(luò)在噪聲均方差小于0.35之前能完全地對(duì)含噪聲的英文字母進(jìn)行識(shí)別，在相同的