二维量子细胞神经网络及其图像处理应用

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。     

基于量子遗传算法的量子细胞自动机仿真方法

利用遗传算法对基于半经典模型的量子细胞自动机进行仿真时,通常会遇到多个极值,容易陷入局部最优。为将量子遗传算法用于量子细胞自动机仿真,对量子遗传算法进行改进,将二进制量子位改为多进制量子位,重新设计了量子旋转门的调整策略,并给出了具体实现步骤。通过对测试函数寻优和量子细胞自动机电路的仿真,结果表明,改进后的量子遗传算法平均误差低,不易陷入局部极值,收敛速度较快,适用于量子细胞自动机仿真。     

基于量子细胞自动机的只读存储器设计

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。     

量子细胞自动机及其仿真方法实现

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。     

量子神经元特性研究

量子神经计算是传统神经计算自然演化发展的产物，它有可能成为新的信息处理技术。本文介绍了与量关的量子计算基础，描述了一种量子神经元模型，提出了一种量子学习算法，通过理论推导和仿真证明了算法的收敛性并给出了几种收敛特性曲线.应用量子计算方法分析了该量子神经元模型的量子逻辑运算功能,分析和实验证明了单个量子神经元能实现经典神经元无法实现的XOR函数,并具有与两层前向神经网络相当的非线性映射能力.     

基于量子细胞自动机的设计方法

简要介绍了量子细胞自动机这一新型纳电子器件,重点综述了量子细胞自动机系统的自顶向下和自底向上的两种设计方法,并比较了各自的优缺点,提出一种综合两种设计方法的设计思想。     

基于量子细胞自动机的全加器实现

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。     

可编程细胞神经网络硬件实现及应用研究

 本文提出一种模板可编程细胞神经网络的硬件实现方法,设计构成CNN的细胞体电路、A模板电路和B模板电路,组成CNN并进行在图像处理中的应用研究.仿真结果表明,所设计的硬件电路具有结构简单、功耗低、频率特性好、模板参数可编程等特点,可以方便地构成各种规模的CNN,在图像处理应用中具有一定的灵活性和通用性.     

量子细胞神经网络超混沌系统同步及在保密通信中的应用

研究了六阶量子细胞神经网络超混沌系统的同步方法,提出了一种基于量子细胞神经网络超混沌同步系统的保密通信系统,应用MATLAB对六阶量子细胞神经网络超混沌系统进行了数值模拟,结果证明利用线性反馈法可实现该高维系统的混沌同步,利用混沌掩盖可实现保密通信.     

连续变量相干态量子神经网络模型的构建

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.     

用于数字式细胞神经网络设计的学习算法

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。     

基于量子BP网络的图像压缩技术研究

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。     

基于量子—BP神经网络的教学评价研究

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。     

抗特洛伊木马攻击的量子密钥多播通信协议

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。     

基于细胞自动机模型电力网络攻击预测技术

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。     

平坦瑞利环境下多用户检测的量子神经网络方法

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。