基于受控旋转门的量子神经网络模型算法及应用
DOI:
CSTR:
作者:
作者单位:

1. 东北石油大学
2.

作者简介:

李盼池

通讯作者:

中图分类号:

基金项目:

国家自然科学基金项目


Controlled-rotating gate-based quantum neural networks model
algorithm with application
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种量子神经网络模型及算法. 首先借鉴受控非门的含义提出一种受控量子旋转门, 基于该门的物理
    意义, 提出一种量子神经元模型, 该模型包含对输入量子比特相位的旋转角度和对旋转角度的控制量两种设计参数;
    然后基于上述量子神经元提出一种量子神经网络模型, 基于梯度下降法详细设计了该模型的学习算法; 最后通过模
    式识别和时间序列预测两个仿真验证了该模型及算法在收敛能力和鲁棒性方面优于普通的BP 网络.

    Abstract:

    A quantum neural networks model and its learning algorithm are presented. Firstly, a quantum controlled-rotating
    gate is proposed by analyzing the meaning of the controlled-NOT gate. Then a quantum neuron model is constructed from
    the physical meaning of the controlled rotating gate. The model includes two kinds of design parameters, rotation angle and
    its control range. Secondly, a quantum neural networks model based on quantum neuron is proposed. By using gradient
    descent algorithm, a learning algorithm of this model is designed in detail. With applications of pattern recognition and time
    series prediction, the simulation results show that the proposed algorithm is superior to the common BP neural networks in
    both convergence capability and robustness.

    参考文献
    相似文献
    引证文献
引用本文

李盼池 宋考平 杨二龙.基于受控旋转门的量子神经网络模型算法及应用[J].控制与决策,2011,26(6):898-901

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-03-18
  • 最后修改日期:2010-05-07
  • 录用日期:
  • 在线发布日期: 2011-06-20
  • 出版日期:
文章二维码