基于量子卷积神经网络算法的微小零件识别

设计了量子卷积神经网络表示层、隐藏层神经元和输出层神经元模型；采用修正线性激活函数ReLu作为激活函数，并通过训练误差函数优化量子旋转角度和神经连接权值。8种微小零件的仿真试验表明，量子卷积神经网络算法的识别准确率较高，耗时少且识别效果较好。     

量子计算机中的半导体量子比特

量子计算作为量子理论最重要的应用之一,为很多经典不可计算的问题提供了解决方案。目前量子计算已经在多种材料上取得了理论和实验上的较大进展。文章对其一个重要分支,半导体量子点材料中的量子比特进行一个整体的介绍。探讨半导体材料中多种量子比特的制备,读取和操控的相关理论,阐述一些相应的近期实验进展,并对比不同量子比特的退相干时间、读写频率等重要性能参数。     

基于BP神经网络的面包工业化生产发酵程度视觉判定

目的:建立BP神经网络模型来实现对面团发酵成熟度的精准判定.方法:利用机器视觉技术采集并处理面包发酵过程的图片,获取图片的量化信息,建立了一种基于BP(back propagation)神经网络的面包发酵程度预测模型.将时间、面积、瞬时速度、膨胀率、灰度值能量、灰度值相互关系、灰度值均匀性、灰度值对比度,作为输入神经元...     

基于量子进化算法的固井方案优化设计

为获得油气田固并质量的几个主要相关因素的最优搭配,利用神经网络的非线性映射能力和量子进化算法的全局寻优能力,从大量历史固井数据中确定神经网络训练样本,建立了BP神经网络模型,然后用量子进化算法对所建立的神经网络模型寻优,找到最佳的施工方案.仿真结果表明,该优化设计方案具有较好的收敛速度和运算精度,能较好地解决实际问题.     

产γ-PGA批式发酵动力学模型的建立

以一株γ-PGA(γ-聚谷氨酸)高产菌枯草芽孢杆菌HCUL-B115为实验菌株,在5L发酵罐中进行分批发酵,并测定发酵过程中的生物量、残糖量、前体物残量和γ-聚谷氨酸产量.应用MATLAB软件进行最优参数估计和非线性拟合,得到了菌体生长、产物生成和底物消耗的动力学模型和模型参数.结果表明,所建立的批式发酵动力学模型能较好地反映γ-PGA批式发酵规律.     

基于改进神经网络算法的蔬菜图像识别

文章提出了改进神经网络算法,建立了径向基函数神经网络模型,包括梯度下降方法求解权重参数,增大邻域半径的均值聚类方法求取隐函数中心值,利用相邻聚类中心获得核宽度,通过量子遗传算法删除冗余权重和神经元;提取了蔬菜图像的特征,并给出了算法流程。仿真试验表明,试验算法对蔬菜图像的形状特征平均识别率为97.56%,纹理特征平均识别率为95.60%,颜色特征平均识别率为93.25%,训练时间平均为5.83s、识别时间平均为2.18s,优于其他算法。     

量子遗传算法及其在发酵中的应用

提出基于通用发酵动力学的分批发酵特征解析模型,并将量子遗传算法应用于求解该模型的参数。最后以赖氨酸分批发酵过程模拟为例,实验结果表明:用量子遗传算法可有效地解决赖氨酸分批发酵动力学模型这类复杂的非线性函数的参数估算问题。同POWELL与BP神经方法估算结果作比较,量子遗传算法能进一步提高赖氨酸分批发酵过程状态变量的计算值与实验值的吻合程度。     

量子Fourier变换的分解

量子Fourier变换(Quantum Fourier Transform)是量子计算中的一种重要算法.量子计算机可以使用基于Shor的量子Fourier变换和基于Grover的量子搜索算法来解决那些在经典计算机上需要过多资源才能求解的问题.将作用在n量子比特上的量子Fourier变换Fn分解为有限个简单酉算子的乘积,并给出了相应的图示说明,使得人们可以更好地理解与应用量子Fou-rier变换以及它的有效线路.     

IQPSO神经网络算法及在发酵过程建模的应用

由于BP神经网络存存训练时间长、易陷入局部极小点问题,本文将IQPSO与BP算法相结合,给出了其用于建立青霉素浓度的预估模型.用青霉素发酵数据集对模型进行训练与检验.实验表明,该发酵过程模型训练误差小、学习速度快、泛化能力强、预测精度高、可以实现多步预估.     

基于BP神经网络模型的梨醋发酵产酸量的预测

研究不同发酵条件(发酵温度、乙醇体积分数、接种量和梨的添加量)对梨醋总酸含量的影响,并且建立BP神经网络预测模型。神经网络模型能够根据发酵条件,准确预测总酸含量,总酸相关系数为0.986。在梨醋发酵中,发酵温度对总酸含量影响最大。与传统的模型比较,BP神经网络误差小,构建简单,拟合性高。