一种量子衍生神经网络模型①.PDF

计 算 机 系 统 应 用 2016 年 第 25 卷 第 8 期 206 软件技术·算法 Software Technique·Algorithm 一种量子衍生神经网络模型① 李滨旭 1, 姚姜虹 2 1(东北石油大学 计算机与信息技术学院, 大庆 163318) 2(大庆市油田信息技术公司物联网分公司, 大庆 163318) 摘 要: 为提高神经网络的逼近能力, 通过在普通 BP 网络中引入量子旋转门, 提出了一种新颖的量子衍生神经 网络模型. 该模型隐层由量子神经元组成, 每个量子神经元携带一组量子旋转门, 用于更新隐层的量子权值, 输 入层和输出层均为普通神经元. 基于误差反传播算法设计了该模型的学习算法. 模式识别和函数逼近的实验结 果验证了提出模型及算法的有效性. 关键词: 量子计算; 量子旋转门; 量子衍生神经元; 量子衍生神经网络 Quantum-Inspired Neural Networks Model and Algorithm LI Bin-Xu1,YAO Jiang-Hong2 1(School of Computer Information Technology, Northeast Petroleum University, Daqing 163318, China) 2(Daqing Petroleum Information Technology IoT branch Company, Daqing 163318, China) Abstract: To enhance the approximation ability of neural networks, by introducing quantum rotation gates to the traditional BP networks, a novel quantum-inspired neural network model is proposed in this paper. In our model, the hidden layer consists of quantum neurons. Each quantum neuron carries a group of quantum rotation gates which are used to update the quantum weights. Both input and output layer are composed of the traditional neurons. By employing the error back propagation algorithm, the learning algorithms are designed. Simulation-based experiments using two application examples of pattern recognition and function approximation, respectively, illustrates the availability of the proposed model. Key words: quantum computing; quantum rotation gate; quantum-inspired neuron; quantum-inspired neural network 1 引言 上世纪 80 年代, Benioff 首次提出了量子计算的概 念[1], 1994 年, Shor 提出了大数质因子分解的量子算 法[2]. 1996 年, Grover 提出了无序数据库搜索的量子算 法[3]. 目前虽然量子计算的发展还远未成熟, 但量子 算法与经典算法的计算机制是截然不同的, 其高度并 行的优良特性已引起国内外学者的广泛关注. 模糊逻 辑、进化计算、神经元网络是人工智能领域的三个明 珠, 三者统称为智能计算或软计算, 其与量子计算某 种程度上存在融合的可行性. 1989 年, Penrose 指出人 脑信息处理过程与量子信息处理有某种程度的相似性, 尽管这一理念目前没有被证实, 但有关量子信息处理 的理论探索, 已经成为一个极富应用前景的研究领域. 1995 年, Kak 首次提出了量子神经计算的概念[4]. 随后的二十年间, 量子神经网络研究吸引了很多学者 的注意, 并已提出一些新颖的模型和算法. 基于量子 计算中的叠加态, 文献[5]提出了一种含