高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

混合量子衍生神经网络模型及算法

李盼池 李国蕊

李盼池, 李国蕊. 混合量子衍生神经网络模型及算法[J]. 电子与信息学报, 2016, 38(1): 111-118. doi: 10.11999/JEIT150444
引用本文: 李盼池, 李国蕊. 混合量子衍生神经网络模型及算法[J]. 电子与信息学报, 2016, 38(1): 111-118. doi: 10.11999/JEIT150444
LI Panchi, LI Guorui. Hybrid Quantum-inspired Neural Networks Model and Algorithm[J]. Journal of Electronics and Information Technology, 2016, 38(1): 111-118. doi: 10.11999/JEIT150444
Citation: LI Panchi, LI Guorui. Hybrid Quantum-inspired Neural Networks Model and Algorithm[J]. Journal of Electronics and Information Technology, 2016, 38(1): 111-118. doi: 10.11999/JEIT150444

混合量子衍生神经网络模型及算法

doi: 10.11999/JEIT150444
基金项目: 

国家自然科学基金(61170132), 黑龙江省自然科学基金(F2015021), 黑龙江省教育厅科学技术研究项目(12541059)

Hybrid Quantum-inspired Neural Networks Model and Algorithm

Funds: 

The National Natural Science Foundation of China (61170132), The Natural Science Foundation of Heilongjiang Province, China (F2015021), The Scientific and Technological Research Project of the Education Department of Heilongjiang Province, China (12541059)

  • 摘要: 为提高人工神经网络的逼近能力,该文从研究隐层神经元的映射机制入手,提出基于量子比特在Bloch球面的绕轴旋转构造神经网络模型的新思想。首先将样本线性变换为量子比特的相位,并使量子比特在Bloch球面上分别绕着3个坐标轴旋转,旋转角度即为网络参数。然后通过投影测量可以得到量子比特的球面坐标,将这些坐标值提交到隐层激励函数,可得隐层神经元的输出。输出层采用普通神经元。基于L-M(Levenberg-Marquardt)算法设计了该模型的学习算法。实验结果表明,该文提出的模型在逼近能力、泛化能力、鲁棒性能方面,均优于采用L-M算法的普通神经网络。
  • [1] KAK S. On quantum neural computing[J]. Information Sciences, 1995, 83(3): 143-160.
    [2] GOPATHY P and NICOLAOS B. Quantum Neural Networks (QNNs) inherently fuzzy feed-forward neural networks[J]. IEEE Transactions on Neural Networks, 1997, 8(3): 679-693.
    [3] VENTURA D and TONY M. Quantum associative memory with exponential capacity[C]. Proceedings of the IEEE International Joint Conference on Computational Intelligence, Piscataway, NJ, 1998: 509-513.
    [4] AJIT N and TAMMY M. Quantum artificial neural network architectures and components[J]. Information Sciences, 2000, 128(3): 231-255.
    [5] 解光军, 庄镇泉. 量子神经网络[J]. 计算机科学, 2001, 28(7): 1-6.
    [6] XIE G J and ZHUANG Z Q. Quantum neural network[J]. Computer Science, 2001, 28(7): 1-6.
    [7] 解光军, 范海秋, 操礼程. 一种量子神经计算网络模型[J]. 复旦学报(自然科学版), 2004, 43(5): 700-703.
    [8] XIE G J, FAN H Q, and CAO L C. A quantum neural computational network model[J]. Journal of Fudan University (Natural Science), 2004, 43(5): 700-703.
    [9] 解光军, 周典, 范海秋. 基于量子门组单元的神经网络及其应用[J]. 系统工程理论与实践, 2005, 25(5): 113-117.
    [10] XIE G J, ZHOU D, and FAN H Q. A neural network model based on quantum gates cell and its applications[J]. Systems Engineering Theory Practice, 2005, 25(5): 113-117.
    [11] MAEDA M, SUENAGA M, and MIYAJIMA H. Qubit neuron according to quantum circuit for XOR problem[J]. Applied Mathematics and Computation, 2007, 185(2): 1015-1025.
    [12] LI P C and LI S Y. Learning algorithm and application of quantum BP neural networks based on universal quantum gates[J]. Journal of Systems Engineering and Electronics, 2008, 19(1): 167-174.
    [13] 李盼池. 一种量子神经网络模型学习算法及应用[J]. 控制理论与应用, 2009, 26(5): 531-534.
    [14] LI P C. Learning algorithm and applications of the quantum neural networks model[J]. Control Theory Application, 2009, 26(5): 531-534.
    [15] LI P C, SONG K P, and YANG E L. Model and algorithm of neural networks with quantum gated nodes[J]. Neural Network World, 2010, 20(2): 189-206.
    [16] LI P C and XIAO H. A hybrid quantum-inspired neural networks with sequence inputs[J]. Neurocomputing, 2013, 117: 81-90.
    [17] LI P C and XIAO H. Model and algorithm of quantum- inspired neural network with sequence input based on controlled rotation gates[J]. Application Intelligence, 2014, 40(1): 107-126.
    [18] 李盼池, 周红岩. 基于受控Hadamard门的量子神经网络模型及算法[J]. 计算机研究与发展, 2015, 52(1): 211-220.
    [19] LI P C and ZHOU H Y. Model and algorithm of quantum neural network based on the controlled Hadamard gates[J]. Journal of Computer Research and Development, 2015, 52(1): 211-220.
    [20] 张翼鹏, 陈亮, 郝欢. 一种改进的量子神经网络训练算法[J]. 电子与信息学报, 2013, 35(7): 1630-1635. doi: 10.3724/SP.J. 1146.2012.01417.
    [21] ZHANG Y P, CHEN L, and HAO H. An improved training algorithm for quantum neural networks[J]. Journal of Electronics Information Technology, 2013, 35(7): 1630-1635. doi:  10.3724/SP.J.1146.2012.01417.
    [22] 李楠, 侯旋. 自适应量子前向对传算法研究[J]. 电子与信息学报, 2013, 35(11): 2778-2783. doi: 10.3724/SP.J.1146.2013. 00101.
    [23] LI N and HOU X. Research on adaptive quantum forward counter propagation algorithm[J]. Journal of Electronics Information Technology, 2013, 35(11): 2778-2783. doi: 10. 3724/SP.J.1146.2013. 00101.
    [24] 郭通, 兰巨龙, 李玉峰. 基于量子自适应粒子群优化径向基函数神经网络的网络流量预测[J]. 电子与信息学报, 2013, 35(9): 2220-2226. doi:  10.3724/SP.J.1146.2012.01343.
    [25] GUO T, LAN J L, and LI Y F. Network traffic prediction with radial basis function neural network based on quantum adaptive particle swarm optimization[J]. Journal of Electronics Information Technology, 2013, 35(9): 2220-2226. doi:  10.3724/SP.J.1146.2012.01343.
    [26] 张铃, 张钹. M-P神经元模型的几何意义及其应用[J]. 软件学报, 1998, 9(5): 334-338.
    [27] ZHANG L and ZHANG B. A geometrical representation of M-P neural model and its applications[J]. Journal of Software, 1998, 9(5): 334-338.
    [28] 张铃, 张钹, 殷海风. 多层前向网络的交叉覆盖设计算法[J]. 软件学报, 1999, 10(7): 737-742.
    [29] ZHANG L, ZHANG B, and YIN H F. An alternative covering design algorithm of multi-layer neural networks[J]. Journal of Software, 1999, 10(7): 737-742.
    [30] GIULIANO B, GIULIO C, and GIULIANO S. Principles of Quantum Computation and Information Volume I: Basic Concepts[M]. Singapore: World Scientific, 2004: 108-112.
  • [1] 赵娅, 郭嘉慧, 李盼池.  一种量子图像的中值滤波方案, 电子与信息学报. doi: 10.11999/JEIT191038
    [2] 施荣华, 冯艳艳, 石金晶.  基于正则图上量子游走的仲裁量子签名方案, 电子与信息学报. doi: 10.11999/JEIT190597
    [3] 魏春艳, 蔡晓秋, 王天银, 苏琦, 秦素娟, 高飞, 温巧燕.  基于量子不经意密钥传输的量子匿名认证密钥交换协议, 电子与信息学报. doi: 10.11999/JEIT190679
    [4] 李盼池, 孙昊.  量子彩色图像的频域滤波, 电子与信息学报. doi: 10.11999/JEIT170575
    [5] 李盼池, 曹梓崎.  基于量子比特相位的彩色图像描述方法及应用, 电子与信息学报. doi: 10.11999/JEIT160303
    [6] 付晓薇, 代芸, 陈黎, 田菁, 丁胜.  基于局部熵的量子衍生医学超声图像去斑, 电子与信息学报. doi: 10.11999/JEIT140587
    [7] 付向群, 鲍皖苏, 史建红, 李发达.  基于多离散对数问题的公钥密码, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01324
    [8] 郭通, 兰巨龙, 李玉峰, 江逸茗.  基于量子自适应粒子群优化径向基函数神经网络的网络流量预测, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01343
    [9] 张翼鹏, 陈亮, 郝欢.  一种改进的量子神经网络训练算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01417
    [10] 易运晖, 朱畅华, 裴昌幸, 权东晓.  偏振旋转的量子私有信息检索方案, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00242
    [11] 赵生妹, 李苗苗, 郑宝玉.  一种基于量子纠错编码的量子密钥分配协议, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.01866
    [12] 黄鹏, 刘晔, 周南润, 曾贵华.  基于PON网络的安全量子VPN方案, 电子与信息学报. doi: 10.3724/SP.J.1146.2008.00423
    [13] 李阳阳, 焦李成.  量子免疫克隆多目标优化算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2006.01709
    [14] 刘震, 白中英, 施进明, 林昭文.  基于量子克隆选择的自适应多模式快速运动估计算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.01666
    [15] 孙力娟, 王汝传.  量子计算与遗传算法的融合及其在计算机通信网优化中的应用, 电子与信息学报. doi: 10.3724/SP.J.1146.2005.01063
    [16] 李峥, 马智, 吕欣, 冯登国.  基于量子CSS纠错码的量子公钥密码和消息认证, 电子与信息学报.
    [17] 李飞, 郑宝玉, 赵生妹.  量子神经网络及其应用, 电子与信息学报.
    [18] 解光军, 李斌, 庄镇泉.  量子系统实现神经计算的理论分析, 电子与信息学报.
    [19] 徐士杰, 罗晋生, 陈敏麒.  GaAs量子阱的能级分析, 电子与信息学报.
    [20] 黄志洵.  波导截止现象的量子类比, 电子与信息学报.
  • 加载中
  • 计量
    • 文章访问数:  453
    • HTML全文浏览量:  28
    • PDF下载量:  359
    • 被引次数: 0
    出版历程
    • 收稿日期:  2015-04-20
    • 修回日期:  2015-08-21
    • 刊出日期:  2016-01-19

    目录

      /

      返回文章
      返回

      官方微信,欢迎关注