计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
6期
213-218
,共6页
量子神经网络%量子计算%量子门%动量更新%学习算法%权值
量子神經網絡%量子計算%量子門%動量更新%學習算法%權值
양자신경망락%양자계산%양자문%동량경신%학습산법%권치
Quantum Neural Network(QNN)%quantum computation%quantum gate%momentum update%learning algo-rithm%weight
量子门线路神经网络（QGCNN）是一种直接利用量子理论设计神经网络拓扑结构或训练算法的量子神经网络模型。动量更新是在神经网络的权值更新中加入动量，在改变权值向量的同时提供一个特定的惯量，从而避免权值向量在网络训练过程中持续振荡。在基本的量子门线路神经网络的学习算法中引入动量更新原理，提出了一种具有动量更新的量子门线路网络算法（QGCMA）。研究表明，QGCMA保持了网络100%的收敛率，同时，相对于基本算法，在具有相同学习速率的情况下，提高了网络的收敛速度。
量子門線路神經網絡（QGCNN）是一種直接利用量子理論設計神經網絡拓撲結構或訓練算法的量子神經網絡模型。動量更新是在神經網絡的權值更新中加入動量，在改變權值嚮量的同時提供一箇特定的慣量，從而避免權值嚮量在網絡訓練過程中持續振盪。在基本的量子門線路神經網絡的學習算法中引入動量更新原理，提齣瞭一種具有動量更新的量子門線路網絡算法（QGCMA）。研究錶明，QGCMA保持瞭網絡100%的收斂率，同時，相對于基本算法，在具有相同學習速率的情況下，提高瞭網絡的收斂速度。
양자문선로신경망락（QGCNN）시일충직접이용양자이론설계신경망락탁복결구혹훈련산법적양자신경망락모형。동량경신시재신경망락적권치경신중가입동량，재개변권치향량적동시제공일개특정적관량，종이피면권치향량재망락훈련과정중지속진탕。재기본적양자문선로신경망락적학습산법중인입동량경신원리，제출료일충구유동량경신적양자문선로망락산법（QGCMA）。연구표명，QGCMA보지료망락100%적수렴솔，동시，상대우기본산법，재구유상동학습속솔적정황하，제고료망락적수렴속도。
Quantum Gate Circuit Neural Network(QGCNN)is a kind of quantum neural network model, which directly uses quantum theory to design the neural network topology or training algorithms. In the neural network, Momentum update is adding momentum parameter in weight renew and provides a specific inertia while renewing weight vector. It avoids sustained oscillation of weight vector in network training. It introduces the principle of momentum update in the basic learning algorithm of Quantum Gate Circuit Neural Network, proposes Quantum Gate Circuit neural network Momentum update Algorithm(QGCMA). The research shows that QGCMA has 100% convergence rate and enhances convergence speed compared to the basic algorithm with the same learning rate.
