共查询到16条相似文献,搜索用时 140 毫秒
1.
二维量子细胞神经网络及其图像处理应用 总被引:1,自引:0,他引:1
以量子细胞自动机为神经元,以量子细胞自动机的极化率和量子相位为状态变量,提出了一种二维多层的量子细胞神经网络结构;以量子细胞自动机的极化率为像素值,通过选择不同的模板,使得量子细胞神经网络实现水平线和垂直线检测以及图像去噪等功能,仿真结果显示其在图像处理上的有效性。与传统的CNN相比,量子细胞神经网络易于超大规模实现且具有超低功耗、超高集成度等优点。 相似文献
2.
3.
结合量子细胞自动机的双稳态特性和传统的CMOS工艺设计存储器的思想,设计了4×5bit的只读存储器,并利用基于量子细胞自动机的遗传模拟退火法进行了仿真验证,结果显示该电路的正确性。由于采用了量子细胞自动机这一新型纳电子器件,存储器具有高集成度、低功耗等优点。 相似文献
4.
量子细胞自动机及其仿真方法实现 总被引:4,自引:0,他引:4
基于量子力学理论,阐述了量子细胞自动机的结构、原理、特性及应用。给出了两种仿真方法的具体实现过程:细胞间哈特里逼近方法和半经典仿真方法,并分析了各自的优缺点。 相似文献
5.
6.
7.
基于量子细胞自动机的全加器实现 总被引:6,自引:1,他引:5
基于量子细胞自动机的双稳态特性和数字电路,设计了异或门和加法器,采用半经典仿真方法对其进行了仿真,并与Tougaw等人设计的异或门和全加器进行了比较,结果显示在能实现同样的异或和加法功能的情况下,电路结构较为简单且使用的QCA数目大大减少,在规模上只有Tougaw设计的电路的一半左右,这对于减小以后设计的更复杂电路的规模有较大的借鉴意义。 相似文献
8.
9.
10.
为了将功能强大的神经网络应用到连续变量量子信息处理中,需要建立连续变量的量子神经网络(QNN)模型.以相干态量子逻辑门为基元,基于QNN原理构建了由输入层、隐藏层和输出层组成的量子线路,实现了连续变量相干态量子神经网络(CSQNN)功能.模型通过多控CNOT门实现量子态操作,利用相位旋转门完成网络参数的学习训练.仿真结果表明在CSQNN辅助下,阻尼系数为0.5的振幅阻尼信道的量子隐形传态保真度显著提高,趋近1,说明提出的CSQNN模型能有效处理连续变量量子信息. 相似文献
11.
本文针对数字式细胞神经网络(DCNN)的应用,给出了DCNN模板的设计方法,即不等式构造法,并提出一个基于松弛法的DCNN有教师学习算法,为DCNN的设计提供了理论根据。在连通片检测等应用中的模拟表明了算法的有效性和正确性。 相似文献
12.
量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。 相似文献
13.
将量子计算和BP神经网络相结合,产生一种新的量子—BP神经网络的方法,并将该方法应用于教学评价中,应用量子—BP神经网络的方法构建教学评价系统模型,进而对教学质量进行评价。通过实证分析,得到了满意的评价结果,说明该方法具有一定的可行性和实用性。 相似文献
14.
提出在一个源量子节点与M个目的量子节点组成的网络中抗量子特洛伊木马攻击的组播通信协议,源量子节点构建2n+δ个EPR纠缠对,并用发送序列标记;在发送序列中随机选取n个作为检测纠缠对,利用CHSH不等式进行信道检测;发送序列中剩余n+δ个EPR纠缠对变形为非正交的量子态作为密钥,将广播明文信息分组编码成密文,利用量子态的不精确克隆复制M份发送给每个目的节点;目的节点接收密文逆向解密。分析了通信的吞吐量、信道的利用率、协议的安全性等问题。通过分析,证明该协议能有效防止特洛伊木马攻击,保证组播信息的安全。 相似文献
15.
传统电力网络攻击范围预测技术的预测范围不够广,导致电力网络安全性提升效果不明显。为此,提出基于细胞自动机模型的电力网络攻击预测技术。搭建电力细胞自动机模型,将细胞自动机中的细胞看作电力细胞,建立细胞活力值转换规则,将其与攻击者执行攻击概率相结合,预测电力细胞的发展变化。根据中心电力细胞及邻域电力细胞的变化趋势预测电力网络攻击。实验结果表明:在时间因素影响下,提出的基于细胞自动机模型电力网络攻击预测技术的预测攻击节点位置与原始节点基本一致,预测后负荷切除量始终在100 MW以下,本文所提技术的有效性更好。 相似文献
16.
提出采用量子神经网络(QNN)方法在平坦瑞利环境下进行多用户检测的方法。量子神经网络是量子计算与人工神经网络(ANN)相结合的产物,由于利用量子并行计算和量子纠缠等特性从而克服了传统人工神经网络的固有缺点。研究结果表明:该算法具有较强的鲁棒性;能有效地抑制噪声干扰,克服远近效应,在平坦瑞利衰减下具有较好地误码性能。 相似文献