|
|||||
|
|
| 一种改进的量子神经网络训练算法 | |
| 引用本文： | 张翼鹏,陈亮,郝欢.一种改进的量子神经网络训练算法[J].电子与信息学报,2013(7). |
| 作者姓名： | 张翼鹏 陈亮 郝欢 |
| 作者单位： | 解放军理工大学通信工程学院 南京 210007 |
| 基金项目： | 国家自然科学基金(61072042)资助课题 |
| 摘 要： | 针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突，导致收敛速度和网络性能下降的问题，该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练，同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率，实现了对量子神经网络的高效训练。实验结果表明，该文提出的训练算法有效减少了迭代次数，显著提高了网络收敛精度，可应用于数据分类、函数逼近等场合，扩展了多层激励函数量子神经网络的应用领域。 |
| 关 键 词： | 量子神经网络 多层激励函数 Levenberg-Marquardt(LM)算法 最速下降 |
An Improved Training Algorithm for Quantum Neural Networks |
|
| Zhang Yi-peng , Chen Liang , Hao Huan.An Improved Training Algorithm for Quantum Neural Networks[J].Journal of Electronics & Information Technology,2013(7). | |
| Authors: | Zhang Yi-peng Chen Liang Hao Huan |
| Abstract: | |
| Keywords: | Quantum Neural Networks (QNN) Multilevel Activation Function (MAF) Levenberg-Marquardt (LM) algorithm Steepest descent |
| 本文献已被 万方数据 等数据库收录！ | |