检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向近期量子处理器的量子神经网络研究进展

中国科学：技术科学 2022年第4期52卷 547-564页

作者：吕颜轩高庆吕金虎潘宇董道毅北京航空航天大学自动化科学与电气工程学院北京100191 北京航空航天大学大数据与脑机智能高精尖创新中心北京100191 浙江大学智能系统与控制研究所杭州310027 新南威尔士大学工程与信息技术学院堪培拉2600澳大利亚

近年来,人工神经网络在各领域得到了广泛的应用,展现出强大的计算智能.与此同时,量子计算硬件也得到了飞速发展,近期量子处理器已具备较稳定的计算能力和抑制退相干能力,多家商用云量子计算机公司已能够为世界各地的学者们提供在线量子... 详细信息

近年来,人工神经网络在各领域得到了广泛的应用,展现出强大的计算智能.与此同时,量子计算硬件也得到了飞速发展,近期量子处理器已具备较稳定的计算能力和抑制退相干能力,多家商用云量子计算机公司已能够为世界各地的学者们提供在线量子计算实验平台.在诸多技术领域的迅猛进展下,量子神经网络这一交叉领域也重获科学界的关注,涌现出了大量新的研究思路并取得了重要的实验进展.本文首先对早期量子神经网络的研究思路作简要阐述,然后对基于近期量子处理器的量子神经网络的数据编码、算法流程和量子电路设计等进行综述分析,最后总结量子神经网络领域的数个关键科学问题,对未来研究方向做出展望.

关键词：人工智能量子神经网络近期量子处理器

面向图像分类的混合量子长短期记忆神经网络构建方法

在线全文

学校读者我要写书评

暂无评论

物理学报 2023年第5期72卷 468-481页

作者：杨光钞苏亚聂敏刘原华张美玲西安邮电大学通信与信息工程学院西安710121

长短期记忆(long-short tern memory,LSTM)神经网络通过引入记忆单元来解决长期依赖、梯度消失和梯度爆炸问题,广泛应用于时间序列分析与预测.将量子计算与LSTM神经网络结合将有助于提高其计算效率并降低模型参数个数,从而显著改善传统L... 详细信息

长短期记忆(long-short tern memory,LSTM)神经网络通过引入记忆单元来解决长期依赖、梯度消失和梯度爆炸问题,广泛应用于时间序列分析与预测.将量子计算与LSTM神经网络结合将有助于提高其计算效率并降低模型参数个数,从而显著改善传统LSTM神经网络的性能.本文提出一种可用于图像分类的混合量子LSTM(hybrid quantum LSTM,HQLSTM)网络模型,利用变分量子电路代替经典LSTM网络中的神经细胞,以实现量子网络记忆功能,同时引入Choquet离散积分算子来增强数据之间的聚合程度.HQLSTM网络中的记忆细胞由多个可实现不同功能的变分量子电路(variation quantum circuit,VQC)构成,每个VQC由三部分组成:编码层利用角度编码降低网络模型设计的复杂度;变分层采用量子自然梯度优化算法进行设计,使得梯度下降方向不以特定参数为目标,从而优化参数更新过程,提升网络模型的泛化性和收敛速度;测量层利用泡利Z门进行测量,并将测量结果的期望值输入到下一层实现对量子电路中有用信息的提取.在MNIST,FASHION-MNIST和CIFAR数据集上的图像分类实验结果表明,与经典LSTM、量子LSTM相比,HQLSTM模型获得了较高的图片分类精度和较低的损失值.同时,HQLSTM、量子LSTM网络空间复杂度相较于经典的LSTM网络实现了明显的降低.

关键词：量子神经网络变分量子电路混合量子长短期记忆神经网络

面向图像分类的混合量子LSTM神经网络构建方法研究

在线全文

学校读者我要写书评

暂无评论

物理学报 2023年

作者：杨光钞苏亚聂敏刘原华张美玲西安邮电大学通信与信息工程学院

长短期记忆（long-short term memory，LSTM）神经网络通过引入记忆单元来解决长期依赖、梯度消失和梯度爆炸问题，广泛应用于时间序列分析与预测。将量子计算与LSTM神经网络结合将有助于提高其计算效率并降低模型参数个数，从而显著改... 详细信息

长短期记忆（long-short term memory，LSTM）神经网络通过引入记忆单元来解决长期依赖、梯度消失和梯度爆炸问题，广泛应用于时间序列分析与预测。将量子计算与LSTM神经网络结合将有助于提高其计算效率并降低模型参数个数，从而显著改善传统LSTM神经网络的性能。本文提出一种可用于图像分类的混合量子LSTM（hybrid quantum long-short term memory，HQLSTM）网络模型，利用变分量子电路代替经典LSTM网络中的神经细胞，以实现量子网络记忆功能，同时引入Choquet离散积分算子来增强数据之间的聚合程度。HQLSTM网络中的记忆细胞由多个可实现不同功能的变分量子电路（variation quantum circuit，VQC）构成，每个VQC由三部分组成：编码层利用角度编码降低网络模型设计的复杂度；变分层采用量子自然梯度优化算法进行设计，使得梯度下降方向不以特定参数为目标，从而优化参数更新过程，提升网络模型的泛化性和收敛速度；测量层利用泡利Z门进行测量，并将测量结果的期望值输入到下一层实现对量子电路中有用信息的提取。在MNIST、FASHION-MNIST和CIFAR数据集上的图像分类实验结果表明，与经典LSTM、量子LSTM相比，HQLSTM模型获得了较高的图片分类精度和较低的损失值。同时，HQLSTM、量子LSTM网络空间复杂度相较于经典的LSTM网络实现了明显的降低。

关键词：量子神经网络变分量子电路混合量子长短期记忆神经网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

双通道量子脉冲耦合神经网络

电子科技大学学报 2023年第3期52卷 331-340页

作者：王兆滨徐敏哲兰州大学信息科学与工程学院兰州730050

脉冲耦合神经网络(PCNN)在图像处理领域应用广泛,改进的双通道脉冲耦合神经网络(DPCNN)也在图像融合领域具有优异性能。为了将量子计算的优异并行性能与双通道脉冲耦合神经网络相结合,降低其算法复杂度,提出了双通道量子脉冲耦合神经网... 详细信息

脉冲耦合神经网络(PCNN)在图像处理领域应用广泛,改进的双通道脉冲耦合神经网络(DPCNN)也在图像融合领域具有优异性能。为了将量子计算的优异并行性能与双通道脉冲耦合神经网络相结合,降低其算法复杂度,提出了双通道量子脉冲耦合神经网络(DQPCNN)。该模型使用量子逻辑门构建量子模块,如量子全加器、量子乘法器和量子比较器,构建了一个适用于DQPCNN的量子图像卷积模块,并采用这些模块完成DQPCNN所需的计算。通过仿真实验证明了DQPCNN的有效性,DQPCNN的复杂度与其他模型相比具有明显优势。

关键词：图像处理脉冲耦合神经网络量子图像处理量子神经网络

在线全文

学校读者我要写书评

暂无评论

量子神经网络软测量模型及应用

系统仿真学报 2007年第24期19卷 5696-5699页

作者：吕强俞金寿杭州电子科技大学自动化学院华东理工大学自动化研究所上海200237 华东理工大学自动化研究所

提出了一种基于量子神经网络的软测量模型,组成该模型的量子神经元对信息的处理分为两阶段。第一阶段为宏观信息收集部分,产生控制量子比特;第二阶段为微观信息处理部分,根据控制量子比特,改变工作量子比特,即神经元的状态,整个过程模... 详细信息

提出了一种基于量子神经网络的软测量模型,组成该模型的量子神经元对信息的处理分为两阶段。第一阶段为宏观信息收集部分,产生控制量子比特;第二阶段为微观信息处理部分,根据控制量子比特,改变工作量子比特,即神经元的状态,整个过程模拟量子受控非门。以某石化厂乙烯收率为软测量对象,实验结果显示出,提出的量子神经网络软测量模型可以较好地跟踪乙烯收率的变化。

关键词：量子神经网络量子神经元软测量建模

在线全文

学校读者我要写书评

暂无评论

量子神经网络及其应用

电子与信息学报 2004年第8期26卷 1332-1339页

作者：李飞郑宝玉赵生妹南京邮电学院信号与信息处理研究所南京210003

量子计算与人工神经网络相结合的量子神经网络(Quantum Neural Networks,QNN)有可能成为未来信息处理的重要手段.分析了人工神经网络向QNN演变的动因及形式、QNN的优势及可能的物理实现方法.着重讨论了几种QNN模型的结构、学习方法及特... 详细信息

量子计算与人工神经网络相结合的量子神经网络(Quantum Neural Networks,QNN)有可能成为未来信息处理的重要手段.分析了人工神经网络向QNN演变的动因及形式、QNN的优势及可能的物理实现方法.着重讨论了几种QNN模型的结构、学习方法及特性,并阐述了QNN在模式识别、纠缠计算、函数近似等方面的初步应用.

关键词：神经网络量子神经网络量子计算

在线全文

学校读者我要写书评

暂无评论

量子神经网络

量子神经网络

2003年中国智能自动化会议

作者：周树德王岩孙增圻孙富春清华大学计算机科学与技术系

量子神经网络是一种崭新的技术理论,是量子计算理论和人工神经网络结合的产物。量子神经网络将具有两者的优点,对改进当前神经网络的不足,从本质上改善网络性能具有重要的理论意义,对量子计算的研究具有推动作用。本文从实现方法,理论... 详细信息

量子神经网络是一种崭新的技术理论,是量子计算理论和人工神经网络结合的产物。量子神经网络将具有两者的优点,对改进当前神经网络的不足,从本质上改善网络性能具有重要的理论意义,对量子计算的研究具有推动作用。本文从实现方法,理论研究及应用前景等方面介绍了当前量子神经网络的发展现状,并对该领域值得进一步研究的方向进行了探讨。

关键词：人工神经网络量子计算量子神经网络

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于量子进化的神经网络架构搜索方法研究

基于量子进化的神经网络架构搜索方法研究

作者：赵裴翔西安电子科技大学

学位级别：硕士

随着神经网络相关研究的发展,在深度学习领域中深度神经网络(Deep Neural Networks,DNN)模型已经在图像分类等问题中展现出了强大的性能优势。与此同时,另一项改变传统计算范式的新兴领域——量子计算也发展迅速。在量子计算领域中由于... 详细信息

随着神经网络相关研究的发展,在深度学习领域中深度神经网络(Deep Neural Networks,DNN)模型已经在图像分类等问题中展现出了强大的性能优势。与此同时,另一项改变传统计算范式的新兴领域——量子计算也发展迅速。在量子计算领域中由于量子系统所具有的并行特性优势,量子计算与神经网络结合而产生的量子神经网络(Quantum Neural Networks,QNN)也成为越来越多研究者进行深入的研究领域。近年来,愈来愈多的性能优秀的神经网络被提出并应用在不同的任务之中,这些神经网络在性能方面的优势往往取决于人工设计的优秀网络架构。然而,无论是DNN还是QNN,神经网络的架构设计仍然需要依靠非常丰富的先验知识和专业经验。因此,如何针对同样的任务例如图像分类任务,让机器自动地设计、构建和搜索优秀的神经网络架构是具有非常重要且深远的现实意义的。本文对量子神经网络和传统深度神经网络这两种不同计算范式下的神经网络在网络架构搜索方法上进行探索和研究。利用量子进化策略提升了传统进化策略在庞大的离散搜索空间中的搜索能力,以帮助神经网络架构搜索方法搜索到更为优秀的网络结构。本文根据QNN与DNN中不同的网络特性设计相应的搜索空间,并针对QNN中存在的网络设计无明确指导经验、人工设计模型精度较低复杂度较高的问题和DNN中网络设计需要大量先验知识、现有方法在离散空间搜索能力不足、时间代价较大以及网络性能相关性较低的问题提出了新的神经网络架构搜索方法。本文的主要工作如下:在量子神经网络方面,针对量子神经网络领域中网络的设计方法无明确指导经验、人工设计的网络模型性能较差、网络模型的线路复杂度较高、传统网络架构搜索方法在未来无法完全利用量子特性等问题,本文提出了一种基于量子线路的进化量子神经网络架构搜索方法。通过与原人工设计的网络模型的对比实验可以得出,经过搜索得到的量子神经网络比原来的网络模型在模型精度上有所提高,并有效地降低了量子线路的复杂度,为在真实量子计算机上搭建量子神经网络提供了有效的帮助。在深度神经网络方面,针对人工设计网络模型需要大量先验知识、现有的基于进化的神经网络架构搜索方法在庞大的离散搜索空间中搜索能力不足、时间代价较大等问题,本文提出了基于量子进化的Oneshot神经网络架构搜索方法,提高了搜索能力并降低了搜索时间。通过在基准数据集CIFAR10与CIFAR100上与人工设计的网络模型和现有的神经网络架构搜索方法进行对比实验可以得到,本文所提出的方法搜索到的神经网络在模型性能上更为优秀。针对神经网络架构搜索方法中网络性能评估与真实性能相关性较低、差距较大的问题,本文详细分析并深入思考了传统神经网络架构搜索方法和基于权重共享的Oneshot方法之间存在的问题和矛盾,以及当前Oneshot方法中不同超网络训练采样方式之间的冲突与问题。最终在保持量子进化带来的优势的基础上提出了基于量子进化与平衡池策略的神经网络架构搜索方法。在对比实验中,所提出的方法搜索到的神经网络相较于其他人工设计的网络与其他搜索方法得到的网络具有更优秀的模型性能。

关键词：神经网络架构搜索深度神经网络量子神经网络量子计算

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于量子神经网络算法预测厌氧消化性能

基于量子神经网络算法预测厌氧消化性能

作者：侯栋重庆师范大学

学位级别：硕士

全球对能源的需求越来越大,甲烷作为一种可再生能源成为近年来的热点,它是由有机废物的厌氧消化过程产生的一种生物能源。厌氧消化是一种生物过程,有机物在无氧条件下分解成甲烷气体,为了稳定生产所需数量的甲烷,必须对厌氧消化反应过... 详细信息

全球对能源的需求越来越大,甲烷作为一种可再生能源成为近年来的热点,它是由有机废物的厌氧消化过程产生的一种生物能源。厌氧消化是一种生物过程,有机物在无氧条件下分解成甲烷气体,为了稳定生产所需数量的甲烷,必须对厌氧消化反应过程进行控制监测。在污泥底物和环境变换条件下预测性能变化,利用数学建模模拟消化池的运行,并预测厌氧消化的沼气产量,避免反应器受到负荷冲击或性能下降满足不了用户需求,确保系统高效运行。本文的研究内容包括:(1)首先,本文整理了关于厌氧消化过程问题的相关理论,分析了当前解决此类问题的常用算法并分析其优缺点,并且对量子理论和量子计算进行详细阐述。然后本文对厌氧消化的复杂性进行研究,并建立数学模型。(2)为解决时间序列数据噪声问题,对废物管理设施产生的厌氧消化数据进行预处理。为了确保将最少的噪声引入特征,引入指数平滑算法处理时间序列数据,减弱其影响程度。并使用EM算法插补缺失值,利用标签和特征相互转换的思想填补缺失值。最后将初始数据处理成量子态进行量子操作。(3)提出一种具有短期记忆的量子卷积神经网络(Quantum Convolution Neural Network,QCNN),接受类似的数据时间窗模拟短期记忆,将经典数据通过编码层量子化,并经过参数化量子电路(Parameterized Quantum Circuit,PQC)处理。转换后的量子态通过PQC进行一系列幺正变换,通过量子卷积池化电路能够好的寻找到信息中的隐藏状态。实验证明,QCNN具有很好的预测精度。(4)最后为了解决QCNN在处理长时间序列数据时缺乏整体记忆问题,提出了一种量子卷积重构门控循环神经网络(Quantum Convolution Reconstructed Gated Recurrent Neural Network,QCRGRNN)。通过卷积神经网络(Convolution Neural Network,CNN)对原始数据特征提取降维并保留信息,将PQC融入到门控循环单元,构造量子重置门和量子更新门。将卷积单元提取的信息输入到量子门控循环神经网络,量子记忆单元将信息融入到隐层态,对隐层态信息的处理更高效。计算效率上由于量子态的叠加和并行计算的能力,使得QCRGRNN具有更高的优势,实验对比结果表明在对厌氧消化预测分析上,能够比经典神经网络和QCNN算法更好的预测出趋势,为预测甲烷产量问题提供了一种更好的解法。

关键词：厌氧消化参数化量子电路量子神经网络