基于云模型的混合量子神经网络算法及其仿真研究

作者:刘小红;张人龙 刊名:统计与信息论坛 上传者:王荣娥

【摘要】在云模型、量子算法、神经网络算法等理论研究的基础上;设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法;在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类;该算法改进了量子神经网络的损失函数;提高了误差分析性能;最后;通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法;

全文阅读

一、引 言 混合神经网络算法主要包括BP神经网络、RBF神经网络、Hopfield神经网络、随机神经网络、遗传神经网络、粒子群神经网络、模糊神经网络、小波神经网络和神经网络集成等算法。混合神经算法的网络结构是一种模仿动物的复杂神经网络结构,具有良好的稳定性、收敛性、容错性、鲁棒性等特征。目前应用最广泛的一种神经网络算法是BP神经网络算法。孔红山在BP神经网络算法研究基础上,提出了一种基于BP神经网络的VIRE改进算法,并应用于定位系统中[1]。而人工神经网络ANN也已成为各行业使用的一种技术。Hui等在客户购买偏好的数据挖掘、销售预测、库存水平预测等领域,应用ANNs神经网络算法对供应链系统进行优化决策与改善[2]。祝歆等基于某电子商务平台购物行为数据,利用机器学习融合算法构建预测模型,对网络购买行为预测的效果明显[3]。Yu Feng等提出了基于改进BP神经网络算法的短期负荷预测组合方法,通过改进附加动量因子集成模型并利用实数编码遗传算法对神经网络进行参数优化[4]。蒋锋等针对BP神经网络的不足,构建了基于混沌粒子群算法的优化模型用于碳价预测,并证明了该算法的精度和稳定性优良[5]。 Majeed等提出新的随机神经网络计算技术,研究神经网络算法非线性动力学Troesch问题[6]。Beltramo等研究神经网络模型预测沼气流量,并通过蚁群优化算法降低了神经网络模型的维数并提高模型的泛化性能[7]。Kara等通过SVM算法以及BP神经网络算法的研究分析动量因子和随机数以及核函数对SVM算法以及BP神经网络算法求解性能的影响[8]。Xu Lei等基于粒子群优化和RBF神经网络的认知OFDM系统资源分配建立多目标优化模型,提高云应用的服务质量和资源利用率[9]。Palittapongarnpim等从量子神经网络的无监督聚类算法、有监督算法以及深度学习算法等方面分别介绍BP神经网络学习,引入启发式算法来提前终止运行以及自适应选择搜索子空间,实验结果说明结合神经网络计算特性可实现对机器学习加速[10]。Lou Jungang等阐述了神经网络算法所应用的策略梯度、搜索与监督等三类深度强化学习方法,并对神经网络分层,深度强化学习、多智能体深度强化学习等进行研究,引入量子激励二元引力搜索算法QBGSA以提高神经网络算法的收敛速度[11]。Zhang Zhihong等通过建立卷积神经网络模型,实验得出通过卷积神经网络的映射作用能有效提高BP神经网络求解的准确性[12]。目前这些文献中的研究主要集中在使用多项式数量的量子比特,而以上混合算法在收敛速度和鲁棒性能等方面表现比较差。为解决以上问题,在Deutsch量子计算网络模型以及云模型研究的基础上,本文提出一种新的基于云模型的量子计算数学模型——量子神经网络QNNS。基于云模型的混合量子神经网络算法具有很好的理论意义和实践意义,主要表现在算法的理论研究及其实用价值等方面。 二、基于云模型的混合量子神经网络算法设计 为提高混合算法的收敛性能及其鲁棒性能,在云模型、量子神经网络算法以及量子神经网络结构研究基础上,在量子神经网络的实际应用过程中对混合算法的权值和活性值进行新的设置,在量子神经网络算法的量子神经元模型中釆用Sigmoid函数为其激活函数,量子神经网络算法的输入输出关系可通过以下公式获取: 其中,量子神经网络输入向量为X=(x1,x2,…,xn)T,输出实数为y,Σ为量子神经网络聚合算子,F为量子神经网络活化函数,f为量子神经网络激活函数,τ为量子神经网络结构的阈值。|?〉=(|?1〉,|?2〉,…,|?n

参考文献

引证文献

问答

我要提问