量子神经网络的研究及其在气象预测中的应用-计算机技术专业论文.docxVIP

摘要 量子神经网络（QNN）是量子计算和神经网络结合的产物，是当今新兴的前 沿学科之一。目前，在全世界范围内，还处于研究者个体的探索阶段，发展还很 不成熟。科学家对于量子神经网络的研究，一方面是设计新型的量子神经网络， 另一个方面是研究量子神经网络模型的实际应用。 本文详尽阐述了传统人工神经网络模型以及相关量子计算理论中的基本概 念。在此基础上，着重对量子神经元和量子神经网络模型进行了研究，并给出了 一种改进的量子神经网络模型（QCG）。论文的主要工作如下： （1）在分析了量子计算中的基本原理以及传统的人工神经网络工作原理的基 础上，通过对比传统的人工神经元模型，给出了一种基于量子逻辑门和波函数坍 塌的量子神经元模型，使得量子神经元的输出由量子态转化为实数，从而能代替 传统的神经元信息处理方式。该模型通过量子旋转门和受控非门进行相位更新， 与原有的量子神经元模型相比理论基础更加完善。 （2）在分析了经典的 BP 神经网络（CBP）基本原理和思想的基础上，将经 典的 BP 神经网络与改进的量子神经元模型相结合，给出了基于 BP 算法的量子神 经网络模型，并对阈值、量子旋转门和受控非门的参数更新公式给出了详尽的推 导过程。然后，为进一步提高量子神经网络的学习效率，使用具有更高收敛速率 的共轭梯度算法对量子神经网络进行学习更新，给出了一种基于共轭梯度法的量 子神经网络（QCG）。最后，