量子神經(jīng)網(wǎng)絡(luò)辨識(shí)方法的研究.pdf

1、我們?cè)谡J(rèn)識(shí)和改造這個(gè)世界時(shí)，總有一些我們所無(wú)法具體描述的事物。而系統(tǒng)辨識(shí)則是能幫助我們根據(jù)測(cè)量信號(hào)來(lái)確定系統(tǒng)模型，能讓我們更好的分析事物的本質(zhì)特性，系統(tǒng)辨識(shí)是聯(lián)系現(xiàn)實(shí)事物與數(shù)學(xué)模型的重要紐帶。
　　 隨著科技的進(jìn)步，火電廠自動(dòng)化程度越來(lái)越高，大容量、大機(jī)組、高參數(shù)的火電機(jī)組不斷投產(chǎn)運(yùn)行。因此對(duì)過(guò)程控制的品質(zhì)也要求更高，被控對(duì)象的特性是來(lái)確定被控對(duì)象的控制參數(shù)和設(shè)計(jì)系統(tǒng)合理性的重要基礎(chǔ)之一。
　　 量子神經(jīng)網(wǎng)絡(luò)作為一門非常

2、嶄新的前沿理論知識(shí)，綜合了量子計(jì)算知識(shí)和人工神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)點(diǎn)。量子神經(jīng)網(wǎng)絡(luò)作為算法時(shí)，引用了量子計(jì)算中的量子態(tài)的疊加、糾纏、干涉等量子計(jì)算的物理特性，克服因?yàn)閭鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)的一些固有缺點(diǎn)所導(dǎo)致的達(dá)不到學(xué)習(xí)目的。
　　 本文通過(guò)對(duì)比學(xué)習(xí)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法，加入了量子計(jì)算理論知識(shí)提出了量子神經(jīng)網(wǎng)絡(luò)這一新型的學(xué)習(xí)算法。量子計(jì)算和神經(jīng)計(jì)算結(jié)合的根本點(diǎn)是神經(jīng)元可以用波函數(shù)來(lái)表達(dá)，提出了解決量子計(jì)算的物理線性特性在映射成非線性系統(tǒng)的三種方法。

3、比較細(xì)致的概括了量子神經(jīng)網(wǎng)絡(luò)這一新型算法的優(yōu)勢(shì):存儲(chǔ)空間大、運(yùn)算速度快、構(gòu)成網(wǎng)絡(luò)學(xué)習(xí)的拓?fù)浣Y(jié)構(gòu)簡(jiǎn)單、有消除神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)失憶的潛質(zhì)等等。并且給出了量子計(jì)算與經(jīng)典神經(jīng)網(wǎng)絡(luò)的模型結(jié)合形式。包括量子BP神經(jīng)網(wǎng)絡(luò)、量子加權(quán)神經(jīng)網(wǎng)絡(luò)、量子自組織神經(jīng)網(wǎng)絡(luò)，在研究這些模型的基礎(chǔ)上提出了三層量子神經(jīng)網(wǎng)絡(luò)模型。應(yīng)用網(wǎng)絡(luò)的學(xué)習(xí)方法進(jìn)行建模和仿真驗(yàn)證，通過(guò)函數(shù)逼近驗(yàn)證QNN的學(xué)習(xí)誤差、迭代步數(shù)都比CBP要好很多。收斂率也比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)好。
　　 量子神

4、經(jīng)網(wǎng)絡(luò)模型與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型在結(jié)構(gòu)上是相同的，學(xué)習(xí)模式也是相同的。提出的改進(jìn)地方是:本文提出的量子神經(jīng)網(wǎng)絡(luò)的輸入是量子比特神經(jīng)元，其表達(dá)方式是實(shí)部加虛部的復(fù)數(shù)表達(dá)式，這個(gè)輸入的表達(dá)正好是符合量子計(jì)算的物理特性中的并行性。對(duì)于量子BP神經(jīng)網(wǎng)絡(luò)模型的建立首先是建立了一元量子比特神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過(guò)仿真實(shí)驗(yàn)驗(yàn)證了一元量子神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)無(wú)法實(shí)現(xiàn)的異或問(wèn)題。通過(guò)在一元量子神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基礎(chǔ)上建立多元量子神經(jīng)網(wǎng)絡(luò)模型，在三層神經(jīng)網(wǎng)

5、絡(luò)模型中輸出層的權(quán)值和閾值進(jìn)行非線性變換，增強(qiáng)了模型的非線性的學(xué)習(xí)能力。
　　 在深入研究量子神經(jīng)網(wǎng)絡(luò)模型的建立這一基礎(chǔ)上，依據(jù)實(shí)際運(yùn)行參數(shù)以典型熱工過(guò)程控制為研究對(duì)象，對(duì)模型進(jìn)行了驗(yàn)證和泛化。以對(duì)火電廠實(shí)際運(yùn)行進(jìn)行更好的控制作為目標(biāo)，主要采用量子神經(jīng)網(wǎng)絡(luò)辨識(shí)被控對(duì)象。先針對(duì)理論對(duì)象多輸入多輸出模型進(jìn)行辨識(shí)對(duì)比發(fā)現(xiàn)量子神經(jīng)網(wǎng)絡(luò)計(jì)算模型算法能降低誤差。將這一算法運(yùn)用到實(shí)際的熱工過(guò)程中。在應(yīng)用某電廠的負(fù)荷變化的辨識(shí)中結(jié)果同樣是優(yōu)越的