基于量子神经网络的马铃薯早疫病诊断模型.pdfVIP

２０１１年 ６月 农 业 机 械 学 报 第 ４２卷第 ６期 基于量子神经网络的马铃薯早疫病诊断模型 １ １ ２ 马晓丹 　谭　峰 　许少华 （１．黑龙江八一农垦大学信息技术学院，大庆 １６３３１９；２．东北石油大学计算机与信息技术学院，大庆 １６３３１８） 　　【摘要】　针对马铃薯早疫病智能诊断，将量子计算的态叠加方法和神经网络计算的自适应性结合，提出了将 量子神经网络作为马铃薯早疫病诊断模型。该模型隐含层采用多个量子能级的激励函数叠加的量子神经元，有效 地解决了病害诊断中模糊决策，在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性。此算 法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端，提高了网络学习速度。仿真结果表明： 量子神经网络在马铃薯早疫病诊断中，诊断正确率达到９６５％。 关键词：马铃薯早疫病　智能诊断　量子计算　神经网络 中图分类号：ＴＰ３９１４１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１１）０６０１７４０５ ＤｉａｇｎｏｓｉｓＭｅｔｈｏｄｏｆＰｏｔａｔｏＥａｒｌｙＢｌｉｇｈｔＢａｓｅｄｏｎＱｕａｎｔｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ １ １ ２ ＭａＸｉａｏｄａｎ　ＴａｎＦｅｎｇ　ＸｕＳｈａｏｈｕａ （１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＨｅｉｌｏｎｇｊｉａｎｇＢａｙｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ１６３３１９，Ｃｈｉｎａ ２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＮｏｒｔｈｅａｓｔＰｅｔｒｏｌｅｕｍＵｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ１６３３１８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｉｎｏｒｄｅｒｔｏｒｅａｌｉｚｅｔｈｅｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓｏｆｐｏｔａｔｏｅａｒｌｙｂｌｉｇｈｔ，ｗｉｔｈｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｌｉｎｅａｒ ｓｕｐｅｒｐｏｓｉｔｉｏｎｏｆｑｕａｎｔｕｍｃｏｍｐｕｔｉｎｇｉｄｅａｓａｎｄａｄａｐｔｉｖｅｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｍｐｕｔａｔｉｏｎ，ａｑｕａｎｔｕｍｎｅｕｒａｌ ｎｅｔｗｏｒｋｍｏｄｅｌｆｏｒｄｉａｇｎｏｓｉｓｏｆｐｏｔａｔｏｅａｒｌｙｂｌｉｇｈｔｗａｓｂｕｉｌｔ．Ｔｈｅｍｏｄｅｌｕｓｅｄｍｕｌｔｉｐｌｅｑｕａｎｔｕｍｅｎｅｒｇｙ ｌｅｖｅｌｓｏｆｔｈｅｈｉｄｄｅｎｌａｙｅｒａｃｔｉｖａｔｉｏｎｆｕｎｃｔｉｏｎｏｆｔｈｅｌｉｎｅａｒｓｕｐｅｒｐｏｓｉｔｉｏｎｏｆｑｕａｎｔｕｍｎｅｕｒｏｎｍｏｄｅｌ．Ｆｕｚｚｙ ｄｅｃｉｓｉｏｎｏｆｄｉｓｅａｓｅｄｉａｇｎｏｓｉｓｗａｓｅｆｆｅｃｔｉｖｅｌｙｓｏｌｖｅｄ．Ｕｎｃｅｒｔａｉｎｔｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓａｍｐｌｅｄａｔａｗａｓ ａｄａｐｔｉｖｅｌｙｇｉｖｅｎｉｎｔｒａｉｎｉｎｇｐｒｏｃｅｓｓｔｏｄｅｔｅｒｍｉｎｅ．Ｔｈｅａｌｇｏｒｉｔｈｍｏｖｅｒｃａｍｅｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｌｏｃａｌ ｍｉｎｉｍｕｍａｎｄｉｎｃｒｅａｓｅｄｌｅａｒｎｉｎｇｅｆｆｉｃｉｅｎｃｙａｎｄｔｒａｉｎｉｎｇｓｐｅｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅ ｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙｒｅａｃｈｅｄｔｏ９６５％． Ｋｅｙｗｏｒｄｓ　Ｐｏｔａｔｏｅａｒｌｙｂｌｉｇｈｔ，Ｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ，Ｑｕａｎｔｕｍｃｏｍｐｕｔａｔｉｏｎ，Ｎｅｕｒａｌｎｅｔｗｏｒｋ 等方面［１～３］，而量子神经网络在农业病害诊断方面 　　引言 则未见相关报道。对于农作物病害的诊断工作，目 量子神经网络是传统神经网络与