基于量子結(jié)構(gòu)及算法的神經(jīng)網(wǎng)絡(luò)模型研究.pdf

1、量子神經(jīng)網(wǎng)絡(luò)是基于量子計(jì)算的基本原理與傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)而發(fā)展起來的一種研究神經(jīng)網(wǎng)絡(luò)的新方法。由于其獨(dú)特的功能在某些問題上表現(xiàn)出來的巨大優(yōu)勢，越來越多的科研人員開始對(duì)量子神經(jīng)網(wǎng)絡(luò)產(chǎn)生了廣泛的興趣。
　　本文在分析傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的主要特性，不足之處以及現(xiàn)有改進(jìn)的量子Grover搜索算法基礎(chǔ)上，提出了三種具有量子學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型。
　?。?）提出了量子多模式搜索網(wǎng)絡(luò)模型
　　針對(duì)VladimirE.korpin提出的基

2、于量子部分搜索的多模式算法時(shí)間復(fù)雜度居高等缺陷，本文在分析Grover算法的基礎(chǔ)上，提出了基于層級(jí)量子部分搜索的多模式算法以及單次量子部分搜索算法。通過分析時(shí)間復(fù)雜度，作者提出的兩種算法在時(shí)間復(fù)雜度明顯優(yōu)于VladimirE.korpin提出的算法，此外單次量子部分搜索算法不僅能使所需搜索多模式的搜索概率為1，而且所需的時(shí)間復(fù)雜度小于等于NOm。
　?。?）提出了基于量子結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型
　　由于目前已有的量子神經(jīng)網(wǎng)絡(luò)模型

3、幾乎都是基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上引入量子計(jì)算，難以解決量子神經(jīng)網(wǎng)絡(luò)的兩個(gè)關(guān)鍵問題，神經(jīng)元非線性問題和在學(xué)習(xí)算法中有效地利用線性疊加原理，所以研究人員一直在尋找新的方法。為了解決上述兩個(gè)問題，本文利用布爾函數(shù)的特性和改進(jìn)的Grover搜索算法，提出了一種單神經(jīng)元的神經(jīng)網(wǎng)絡(luò)的量子結(jié)構(gòu)和學(xué)習(xí)模型。通過實(shí)例分析表明，該模型體現(xiàn)了量子計(jì)算具有巨大的并行性以及布爾函數(shù)很好地解決量子神經(jīng)網(wǎng)絡(luò)中神經(jīng)元操作的非線性問題。
　?。?）提出了基于非線性

4、搜索的量子聯(lián)想神經(jīng)網(wǎng)絡(luò)模型
　　針對(duì)Ventura提出的量子聯(lián)想記憶網(wǎng)絡(luò)存儲(chǔ)模式的復(fù)雜性，本文在分析量子線性疊加特性的基礎(chǔ)上，提出了由二叉決策圖構(gòu)建量子陣列的新存儲(chǔ)方法來進(jìn)行多模式存儲(chǔ)。采用非線性搜索算法，使該模型的模式聯(lián)想速度提高在(22n-tlogO)()Ont=?時(shí)間數(shù)量級(jí)內(nèi)（其中n是量子比特?cái)?shù)以及t為第t位量子信息）。通過實(shí)例分析表明，本文提出的基于量子學(xué)習(xí)的聯(lián)想神經(jīng)網(wǎng)絡(luò)模型不僅在存儲(chǔ)模式上與Ventura提出的量子聯(lián)想記