基于量子神经元模型的含噪字母识别.docxVIP

基于量子神经元模型的含噪字母识别 1 基于量子算法的神经网络 人工神经网络（cn）是解决图像识别问题的有效工具。但是,人工神经网络在信息量大的情况下处理速度慢,未完全达到并行处理特性。1985年,Deutsch提出利用量子态的相干迭加性实现并行的量子计算,表现为一次量子运算可产生2N个运算结果,相当于常规计算机的2N次操作。同时,基于量子计算的量子算法有效地降低了经典计算中难解问题的计算复杂度,如大数质因子的分解问题,无序数据库的搜索问题,将量子计算理论引入人工神经网络成为神经网络研究的新热点。 1995年,Kak教授将ANN与量子计算相结合,提出量子神经计算概念,之后Chrisley提出了量子学习的概念,Menneer、Behrman 和Ventura也都对此作了相关的研究,其中Menneer将量子理论的多体观点应用于单层ANN网络,提出量子衍生神经网络概念;Behrman认为通过完整的量子点分子阵列的多样性和相通性可以使量子点神经网络具备更强大的计算潜力;Ventura认为利用量子计算可创建量子联想记忆模型并使记忆容量和回忆速度具备指数级提高。另外,Koudu还提出基本量子计算的量子神经元模型,其中,每个神经元受控于3个因素,分别是相位参数、阀值和反参数。与此同时,量子神经网络也被应用于手写数字识别之中。 本文提出一种基于量子非门的量子神经元,与文献相比,该量子神经元仅受控于