量子神经网络

人工神经网络
Page 17 17
人工神经网络
BP神经网络 Hopfield神经网络
Page 18 18
人工神经网络
BP神经网络
1986年由Rumelhart和McCelland为首的
科研小组提出。
Page 19 19
人工神经网络
BP神经网络
1986年由Rumelhart和McCelland为首的
量子神经网络
1
目 录 Contents
背景
人工神经网络 量子神经网络
Page 2 2
背景
1989年Penrose教授提出：
解决量子测量问题是最终 解决意识问题的先决条件。
他认为意识产生于量子过程。
Page 3 3
背景
Hameroff和Penrose提出了
微管量子目标还原调谐
(Orchestrated Objective Reduction， Orch-OR）
http://www.quantumconsciousness.org/content /orch-or-quantum
Page 4 4
背景
（1）采用神经网络的连接思想来构造量子计算机，通过神经网络模型 来研究量子计算中的问题； （2）在量子计算机或量子器件的基础上构造神经网络，充分利用量子 计算超高速、超并行、指数级容量的特点，来改进神经网络的结构和性能； （3）在传统的计算机上的实现，这是指通过引入量子理论中的思想对 传统神经网络改进，改善传统神经网络的结构和性能.
Page 61 61
量子神经网络
Grover算法
Page 62 62
量子神经网络
Page 63 63
量子神经网络
Grover算法
Page 64 64
量子神经网络
Grover算法
Page 65 65
量子神经网络
Page 66 66
量子神经网络
Grover算法
Page 67 67
量子神经网络
神经元
输入 移相与聚合 受控旋转
输出
Page 41 41
量子神经网络
输入
Page 42 42
量子神经网络
移相与聚合
Page 43 43
量子神经网络
移相与聚合
Page 44 44
量子神经网络
受控旋转
Page 45 45
量子神经网络
输出
Page 46 46
量子神经网络
量子神经网络
Grover算法
Page 68 68
量子神经网络
改进Grover算法
Page 69 69
量子神经网络
改进Grover算法
Page 70 70
量子神经网络
改进Grover算法
Page 71 71
量子神经网络
改进Grover算法
Page 72 72
量子神经网络
存储模式
Page 73 73
Page 10 10
背景
量子神经网络
2000年，英国Tammy等人研究了量子神经网络
的结构和模型，从多宇宙的量子理论观点，提出了构
建叠加的多宇宙量子神经网络模型的思想。
Page 11 11
背景
量子神经网络
2005年，Noriaki Kouda教授等人利用量子相位
提出了量子比特神经网络，其工作方式与经典神经网
yi (t 1) wij x j t i
j 1
n
xi (t 1) sgn yi (t 1)
i 1, 2, L , n
Page 26 26
量子神经网络
量子计算
量子神经网络框架 量子BP神经网络 量子联想记忆模型
Page 27 27
量子神经网络
Page 8 8
背景
量子神经网络
1995 年，美国的Kak教授首次提出量子神经计
算的概念 。
同年，英国的Chrisley教授提出了量子学习的概
念，并给出非叠加态的量子神经网络模型及算法。
Page 9 9
背景
量子神经网络
2000年，Ventura在Grover的量子查询算法和
纠缠神经网络的基础上介绍量子联想记忆。
Page 37 37
量子神经网络
量子神经网络框架
双缝干涉量子神经网络 基于通用量子门演化的量子神经网络 基于量子加权的量子神经网络 基于量子门线路的量子神经网络 量子纠缠神经网络
Page 38 38
量子神经网络
量子神经网络结构
Page 39 39
量子神经网络
量子BP神经网络
Page 40 40
量子神经网络
量子联想
量子联想 存储需求 存储量 查找速度 2n+1 m=2n Hopfield mn
Page 74 74
量子计算
数据存储与运算过程中的量子态叠加、纠
缠以及干涉、坍缩等特性
Page 28 28
量子神经网络
量子态叠加与纠缠
Page 29 29
量子神经网络
量子态叠加与纠缠
Page 30 30
量子神经网络
量子态叠加与纠缠
Page 31 31
量子神经网络
量子态叠加与纠缠
Page 32 32
量子神经网络
科研小组提出
Page 20 20
人工神经网络
信息前向传播
Page 21 21
人工神经网络
误差反向传播
Page 22 22
人工神经网络
误差反向传播
Page 23 23
人工神经wenku.baidu.com络
Hopfield神经网络
Page 24 24
人工神经网络
Page 25 25
人工神经网络
Hopfield神经网络
量子神经网络
步骤 1、初始化各项参数；
2、实数到量子态的转化：将输入的实数值转
化为量子态的形式；
3、计算神经元的实际输出值Y；
Page 54 54
量子神经网络
步骤 4、对相关参数进行调整；
5、计算误差值并进行判断，当误差值E<Emin。
时，训练结束；否则，k自增1，跳转至3．
Page 55 55
神经网络
Page 47 47
量子神经网络
误差函数
Page 48 48
量子神经网络
输入层
Page 49 49
量子神经网络
输入—>隐含层
Page 50 50
量子神经网络
隐含—>输出层
Page 51 51
量子神经网络
输出层
Page 52 52
量子神经网络
权值调整
Page 53 53
络基本相同。
Page 12 12
人工神经网络
基本概念
人工神经网络是在对人脑认识的基础上，以数学和
物理方法及从信息处理的角度对人脑生物神经网络进行
抽象并建立起来的某种简化模型。
Page 13 13
人工神经网络
Page 14 14
人工神经网络
Page 15 15
人工神经网络
Page 16 16
（4）基于脑科学、认知科学的研究
Page 6 6
背景
人工神经网络
1943年，心理学家W· Mcculloch和数理逻辑 学家W· Pitts首先提出神经元的数学模型。 1982年和1984年，物理学家Hopfield发表论 文，带反馈的神经网络开始兴起 。
Page 7 7
背景
人工神经网络
1986年，多伦多大学的Hinton等人重新发现 BP算法，前馈多层神经网络成为研究热门。 2006年，多伦多大学的Hinton研究组提出 Deep Network和深度学习（Deep Learning）。
量子神经网络
量子联想记忆模型
Page 56 56
量子神经网络
Hopfield神经网络的缺陷
搜索速度慢
容量小
Page 57 57
量子神经网络
Grover算法
Page 58 58
量子神经网络
Grover算法
Page 59 59
量子神经网络
Grover算法
Page 60 60
量子神经网络
（4）基于脑科学、认知科学的研究
Page 5 5
背景
（1）采用神经网络的连接思想来构造量子计算机，通过神经网络模型 来研究量子计算中的问题；
（2）在量子计算机或量子器件的基础上构造神经网络，充分利
用量子计算超高速、超并行、指数级容量的特点，来改进神经网络
的结构和性能； （3）在传统的计算机上的实现，这是指通过引入量子理论中的 思想对传统神经网络改进，改善传统神经网络的结构和性能.
量子逻辑门
旋转门
Page 33 33
量子神经网络
量子逻辑门
受控非门（CNOT）
Page 34 34
量子神经网络
量子逻辑门
阿达玛门（Hadamard）
Page 35 35
量子神经网络
量子神经网络框架
Page 36 36
量子神经网络
量子神经网络框架
双缝干涉量子神经网络 基于通用量子门演化的量子神经网络 基于量子加权的量子神经网络 基于量子门线路的量子神经网络 量子纠缠神经网络