基于Tanh多层函数的量子神经网络算法及其应用的研究

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｎｒｎｌａｄｔｅｏｉｉａＱ眦ｈｇ
ＲｅｕｔｉｄｃｔｔｈｒｖｄＱｎｎｔｎｙｔｅｇｅｔｅｇｉｏｔ，ｕｌｅｒｓｓｈｕｅｆｈａｎｇｔｓｌｉｅｔｅｍｐｏｅｎｏｌｋｓｒｃｎｔｎｒｅｂｔｓｄｃｅｅｅｍｂｒｅｔｉｎｍｅｓｎａｈｔｉａｏａａｒｏｉａａｏａｔｎｏｔｒｉｉ
ｏｃｍｐｒｔｈｒｇｎｎ．Ｔｈｕｅｏｔｅｎｔａｅｙｓｍｕａｉｎａｉｗｈｔｅｏｉａｏｅｇｎｉｉｌｅｓｐｒｒｙｉｄｍｏｓｒｔｂｉｌｔ．ｉｉｓｄｏＫｅｏｒｓｑａｔｍｅｒｌｔｙＷｄｕｎｕｎｕａｗｏｒｓｎｅｋ，ｍｕｔｌｖｌａｔｖｔｏｕｃｉｎ，ｈｐｒｏｉａｇｎｕｃｉｎ，ｃａａｔｒｒｃｇｎｔｏｌｉｅｃｉａｉｎｆｎｔｅｏｙｅｂｌｔｎｅｔｆｎｔｏｃｈｒｃｅｅｏｉｎｉＣｌｗｍｂＴＰ１３ａＮｕｅｒ８
总第２７期６２１０２年第１期
计算机与数字工程
Ｃｏｕｅｍｐｔｒ＆ＤｉｉａｇｎｅｉｇｇｔｌＥｎｉｅｒｎ
Ｖｏ．０Ｎｏ１１４．
４Байду номын сангаас
基于Ｔｎａｈ多层函数的量子神经网络算法及其应用的研究
罗鹏李会方
西安７０２）１１９（西北工业大学电子信息学院摘要
该文提出一种新的改进激励函数的量子神经网络模型。首先为了提高学习速率，在网络权值训练过程中引入了动量项。然后
为了有效实现相邻类之间具有覆盖和不确定边界的分类问题，网络采用区分度更大的双曲正切函数的叠加作为其隐层激励函数。最后将新
该算法用于字符识别，将双曲正切激励函数的量子神经网络应用于数字、字母和汉字样本的多次实验，并且与原多层激励函数量子神经网络
ＲｓａｃｎＱａｔｍｕａＮｔｏｋａｄｉｐｌａｉｎｅｅｒｈｏｕｎｕＮｅｒｌｅｗｒｎｓｐｉｔｓｔＡｃｏ
ＢａｅｎＴａｈＡｃｉａｉｎＦｎｔｏｓｄｏｎｔｖｔｕｃｉｎｏ
ＬＵＯｅｇＬＩＨｕｆｎｇＰｎｉａ
ｗｅｈｓｔａｃｌｒｔｔｅｃｎｅｇｎｅａｅｆｅｒｉｇａｏｉｍＮＮ．ＳｃｎＵ，ｎａｐｒｏｉｏｆｙｅｂｌｇｎｍｃｉｓｄａｃｉｉｔｃｅａｅｈｏｖｒｅｃｔａｎｎｇｒｈｉＱｇｏｅｒｏｌｌｔｎｅｏｃｙａｉｅｒｓｅｐｓｉｏｐｒｏｉｔｅｔｔｔｎｉｕｅａｔｌｕｔｎｈｃａｎｆｏｓｓ —
ｐｅｉｉｎｉａｅｕｃｎｏｃｎｅｇｎｅｒｔｆｈＰｅｒｌｔｒｓｈｒｃｅｅｏｎｔｏ．Ｆｉｓｌｒｃｓｎｄｑａｙａｄ１ｗｏｖｒｅｃａｅｏｅＢｎｕａｗｏｋｕｅｉｃａａｔｒｒｃｇｉｉｎｏｔｎｅｄｎｒｔｙ。ｍｏｎｕｔｒｉｕｅｏｕｄｔｇｔｅｍｅｔｍｅｍｓｔｐａｉｈｓｄｎ
和ＢＰ网络的实验效果进行比较，发现改进后量子神经网络不仅具有较高的识别率，而且在样本训练次数上相对原多层激励函数量子神经网络有明显减少。仿真结果证明该方法的优越性。
关键词量子神经网络；多层激励函数；双曲正切函数；字符识别
ＴＰ８１３中图分类号
ｖｔｎｆｎｔｎｏｉｄｎｕｉｉｅｎｗｅｗｏｋｏｃａｓｆａｔｒｅｏｎｔｏｒｂｅｍｈｔａｅｕｃｒｍｎｙａｄｏｅｌｐｉｇｄｔｅｗｅｎｔａ— ａｉｕｃｉｆｄｅｎｔｎｔｅｎｔｒｓｔｌｓｉｐｔｅｎｒｃｇｉｉｎｐｏｌｒｓｔａｖｎｅｔｔｖｒａｐｎａａｂｔｅｏｏｈｈｙｈｎｗｏｐｔ
ｔｒｓＦｎｌｅ．ｉａｙ，ＴｈｘｅｉｎａｅｕｔｏｕｂｒｅｔｒｎｉｅｅｃａａｔｒｒｃｇｉｉｎｉｒｖｄｄａｄｃｍｐｒｔｏｈＢＰｎｅｒｌｅｗｏｋｎｌｅｅｐｒｍｅｔｌｓｌｓｆｒｎｍｅ，ｌｔｅ，ａｄＣｈｎｓｈｒｃｅｅｏｎｔｏｐｏｉｅｒｓｎｏａｅｗｉｂｔｕａｔｒｓｄｈｎ
（ｈｏｆＥｌｃｒｎｉｓａｄＩｆｒａｉｎ，ＮｏｔｗｅｔｒｌｔｃｎｅｌＵｎｖｒｉｙＳｃｏｌｏｅｔｏｃｎｎｏｍｔｏｒｈｓｅｎＰｏｙｅｈｉａｉｅｓｔ，Ｘｉｎ７０１９） ’ １２ａ
ＡｂｔａｔＩｈａｅｎｉｒｖｄｑａｔｍｅｒｅｗｒ（ＮＮ）ｉｐｅｅｔｄｂｓｄｏｌｌｅａｔａｉｎｔｎｔｏｅｈｒｂｅｆｓｒｃｎｔｉｐｐｒｓａｍｐｏｅｕｎｕｎｕａｎｔｏｋＱｌｓｒｓｎｅａｅｎｍｕｔｅｌｃｉｔｎｆｃｉｓｌｅｏｌｏｉｖｖｏｕｏｏｖｔｐｍｓ