基于自适应学习的量子神经网络振动信号压缩

针对一维振动信号的压缩特点,提出一种基于自适应学习的量子神经网络振动信号压缩方法。方法针对梯度下降法3个参数相互影响,导致局部收敛的问题,采用较快的共轭梯度法对网络参数进行更新,根据误差精度函数大小,自适应地选择学习速率,从而使该方法可以用更大的压缩比得到更少的压缩数据。实验结果表明,与基于量子神经网络数据压缩方法相比,基于自适应学习的量子神经网络方法可以进一步提高振动信号的压缩比,减小重构误差,缩短运行时间,更适用于振动信号的在线传输。