基于自适应网络的量子模糊推理系统

作     者：闫丽丽 颜金歌 张仕斌 YAN Lili;YAN Jinge;ZHANG Shibin

作者机构：成都信息工程大学网络空间安全学院成都610225 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2023年第52卷第4期

页      面：482-488页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0701[理学-数学] 080201[工学-机械制造及其自动化] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62076042,62102049) 四川省自然科学基金(2022NSFSC0535) 四川省科技厅重点研发项目(2021YFSY0012,2021YFG0332) 四川省量子安全通信创新团队项目(17TD0009)。 

主　　题：量子神经网络 模糊神经网络 量子机器学习 量子计算 量子模糊机器学习 

摘      要：基于ANFIS与量子BP神经网络(QBP)提出了一种基于自适应网络的量子模糊推理系统(ANQFIS)。不同于ANFIS,ANQFIS以量子门旋转的方式将模糊规则强度与QBP相结合,最后以量子态的测量概率作为输出,QBP的加入使得模型的输出准确率更高,且凭借量子计算的速度优越性提升了模型的计算速度。根据梯度下降法,给出了该系统中参数的学习算法。在仿真实验中,分别使用低维数据和高维数据作为数据集来训练模型,使用攻击算法生成对抗样本进行测试,结果表明ANQFIS在输出准确率、鲁棒性方面优于ANFIS与QBP。