量子神经网络

摘要： 以人工神经网络(ANN)模型为基础,通过与量子并行计算、量子门线路以及变分量子线路等量子理论与量子力学概念相结合提出了一种优化的变分量子神经网络(VQNN)模型,该模型是由可在噪声中尺度量子(NISQ)设备上运行的量子线路结合机器学习(ML)策略构成的一种量子经典混合计算模型。其中量子线路由两部分组成:量子态编码线路用于将经典数据编码为量子态数据;变分量子线路(VQC)则学习目标状态并将信息编码到一个真实的量子数据结构之中。最终通过测量VQC量子态输出获得经典概率输出分布,利用经典计算机进行变分量子线路的参数优化处理,这种结构使得VQC与经典ML很容易地融合。进一步探索了使用VQNN来建立基于实际应用的分类器,将其应用在网络攻击检测领域。实验结果表明,对于KDD CUP99数据集,VQNN具有相对较高的检测性能,且均高于其他经典对比检测模型以及量子门线路神经网络模型。此外,该VQNN可以部署在近期绝大多数的NISQ设备中。同时,所提出的VQNN是首个可以部署在NISQ中进行网络攻击检测的模型。

摘要： 针对三电平逆变器电路拓扑结构复杂,电路具有较强的非线性特征问题,提出一种基于小波包分析和量子神经网络的三电平逆变器开路故障诊断方法.采用三电平逆变器上、中、下桥臂电压作为测量信号,通过小波包方法对桥臂输出电压信号进行分析,获取故障信号小波节点系数;计算各节点小波能量谱特征并进行归一化处理,得到IGBT不同故障状态下的故障特征;利用故障特征训练量子神经网络,并对其进行测试以确定故障类别;通过实验平台验证了算法可行性.实验结果表明:提出的方法适用于三电平逆变器故障诊断,具有工程参考价值.

摘要： 针对三电平逆变器电路拓扑结构复杂,电路具有较强的非线性特征问题,提出一种基于小波包分析和量子神经网络的三电平逆变器开路故障诊断方法。采用三电平逆变器上、中、下桥臂电压作为测量信号,通过小波包方法对桥臂输出电压信号进行分析,获取故障信号小波节点系数;计算各节点小波能量谱特征并进行归一化处理,得到IGBT不同故障状态下的故障特征;利用故障特征训练量子神经网络,并对其进行测试以确定故障类别;通过实验平台验证了算法可行性。实验结果表明:提出的方法适用于三电平逆变器故障诊断,具有工程参考价值。

摘要： 量子神经网络结合了量子计算与经典神经网络模型的各自优势,为人工智能领域的未来发展提供了一种全新的思路.本文提出一种基于参数化量子电路的量子卷积神经网络模型,能够针对欧几里得结构数据与非欧几里得结构数据,利用量子系统的计算优势加速经典机器学习任务.在MNIST数据集上的数值仿真结果表明,该模型具有较强的学习能力和良好的泛化性能.

摘要： 针对火电厂锅炉燃烧优化和节能减排的问题,国内外学者多采用神经网络和启发式优化算法解决上述问题并取得良好效果.然而,对锅炉的燃烧优化仅限于方法研究和对历史数据的建模与优化,未真正应用于锅炉燃烧工况的实时优化中.此外,环保部门对火电厂的污染性气体的监测非常严格,节能减排成为火电厂的首要任务.因此,有必要设计一款实时监测和优化NOx排放的软件.本文以样本增量量子神经网络和改进型人工蜂群算法为核心设计开发锅炉智能燃烧优化软件.通过在某火电厂330MW煤粉锅炉上的测试,实验结果表明:该软件可使氮氧化合物排放浓度和锅炉煤耗有效降低,其具有实用价值.

摘要： 量子机器学习是量子计算和机器学习在各自领域蓬勃发展后必然产生的交叉学科。量子计算的概念,可以追溯到二十世纪八十年代Benioff提出的计算机量子力学模型;而机器学习的概念,可以追溯到二十世纪四五十年代包括人工神经元在内的有关机器学习的先驱性研究。历史总是惊人的相似,两个学科在发展之初,各自领域最杰出的科学家都做出了开创性的工作:一边是图灵提出的图灵测试,另一边是费曼提出的量子计算机和量子模拟的概念;两个学科的理论基础均在二十世纪八九十年代得到了高速发展,并都在高速发展之后经历了一段“严冬”,然后在2010年之后得益于物理硬件上的突破而重新获得了高度关注和发展,并应运而生了量子机器学习这一交叉学科。经过近十年的发展,量子机器学习尤其是相关量子算法方面,已经获得一系列重要的进展,如该文提到的量子K近邻、量子支持向量机、量子主成分分析、量子神经网络等,其研究范围已经包括了经典机器学习所涉及的方方面面;然而,量子机器学习尚未被解决的重大问题依然存在,包括近两年出现的新进展和问题,亟需更多好的综述性文章做出承前启后的总结作用。

摘要： 量子人工智能,是由量子计算和人工智能交叉发展起来的新兴学科和技术.过去几十年来,量子计算和人工智能技术各自经历了起起落落、螺旋上升的发展历程,而现在正逐渐落地,有望给人类的技术革新、生产和生活带来颠覆性改变.我们正迎来二者深度交叉的最好时机,一个量子人工智能研究的最好时代!

摘要： 针对油田开发井之间的地层对比过程中,砂体相变快、小层断失以及工作量大的问题,提出一种基于量子神经网络的地层对比方法。采用量子计算原理,利用朝阳沟油田长46区块6口井共计126个地层样本构造量子神经网络模型,然后对全区336口井进行地层对比工作。实验表明,三级小层对比的正确率最高可达88.48%。这说明了量子神经网络对于多开发井间的复杂地层对比具有良好的效果。

摘要： 量子计算技术正迎来快速发展时期,国内外量子计算人才需求急速增长。为帮助量子计算爱好者学习量子计算知识,推出了本源量子学习机。量子学习机是专为学生、研究人员乃至工程师等人群设计的一个全栈式量子编程生态环境,它嵌入了一个高性能的量子计算模拟器软件,图形化编程平台,并提供一系列量子计算的应用算法案例。本源量子学习机已经被利用于开展量子神经网络、量子机器学习等研究工作。

摘要： 随着计算机技术的发展,中文图书分类由传统的人工分类方法逐步转向了自动分类方法.量子神经网络是计算机领域新兴的一门交叉学科,他沿承了传统经典神经网络的优势.本文分析了传统人工分类方法以及自动分类方法的特点，并将多层激励的量子神经网络模型应用于中文图书自动分类中。通过实验证明，利用量子神经网络固有的模糊性，对模糊性较强的中文图书题名数据进行分类，能够得到较高的正确率。

摘要： 本文提出了一种新的量子神经网络，用量子相移门更新网络的权值，量子受控非门模拟神经元激励函数的跳变；激励函数采用双曲正切函数的变式来替代常用的sigmoid函数。将该网络应用于心电图(ECG)ST段的分类识别中，并与经典BP神经网络和基于多层激励函数的BP神经网络进行对比分析。结果表明，该量子神经网络具有较快的收敛速度和较好的分类效果。

摘要： 量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。

摘要： 本文研究了量子神经网络在电网故障诊断中的应用，以改善故障诊断的容错性。首先利用分辨矩阵的属性约简算法，对决策表进行约简预处理。并设计了量子神经网络训练算法，采用误差反向传播，通过动量梯度下降法更新权值和最小化类方差更新量子间隔。最后对-4母线电力系统仿真，并与传统BP神经网络比较，仿真表明该方法能消去故障信息的冗余成分，提高诊断速度。并在信息不完备或畸变时有较高的诊断准确率和较好的容错性。

摘要： 提出了将量子神经网络应用于人脸表情识别.采用基于多层激励函数的量子神经网络和多级分类器组合的方法,对6种表情(生气、厌恶、恐惧、高兴、悲伤、惊讶)进行识别,并在CMU人脸表情库中进行训练和测试.实验结果表明,该识别方法在识别率和可靠性方面均有良好的效果,验证了该方法的有效性.

摘要： 本文介绍了基于多层激励函数的量子神经网络模型及其算法,并将量子神经网络模型应用于电机转子故障诊断中,比较了BP神经网络和量子神经网络(QNN)的故障识别精度.仿真实验结果表明,量子神经网络提高了电机转子故障诊断的识别精度和容错能力.

摘要： 量子计算与人工神经网络相结合的量子神经网络(QNN-QuantumNeuralNetworks)有可能成为未来信息处理的重要手段.描述了一种量子神经元模型,提出了一种基于量子神经元与量子寄存器的多用户检测方案,计算机仿真结果表明:本文所提出的检测器在误码率和抗"远近"效应方面均具有良好的性能。

摘要： 针对高炉冶炼行程炉况故障分类边界的模糊性和故障模式之间存在交叉数据的诊断不确定性问题，提出了一种应用独立分量分析(ICA)和量子神经网络(QNN)相结合进行高炉炉况故障诊断的方法。首先，应用独立分量快速算法（FastICA）分离高炉故障时的状态信号以提取其状态特征向量。然后，利用量子神经网络对具有不确定性、模式之间存在交叉数据的故障有较好的模式识别功能来完成对高炉炉况故障的识别。试验结果表明，基于ICA-QNN的学习算法可以有效、准确地识别高炉炉况的故障模式，同时也为高炉炉况故障诊断提供了一种新型的方法。

摘要： 量子计算与人工神经网络相结合的量子神经网络(QNN-Quantum Neural Networks)由于利用了量子并行计算和量子纠缠等特性从而克服了传统人工神经网络的某些固有缺陷,将成为未来信息处理的重要手段.介绍了与量子神经网络相关的量子计算基础,描述了一种量子神经元模型,讨论了量子学习规则,分析了该量子神经元模型的运算功能.分析和实验证明单个量子神经元能实现经典神经元无法实现的XOR函数,并具有与两层前向神经网络相当的非线性映射能力.

摘要： 本文分别从基本动机、内在联系、具体方法以及硬件实现等几个方面探讨了将传统的神经计算推广到量子领域,最终形成一个全新的计算范式—量子神经计算(Quantum Neural Computation).

摘要： 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。

摘要： 本发明涉及到量子图神经网络及实现量子图神经网络的方法。将一个节点的节点特征数据传入第一线路的前级泡利旋转门的旋转参数，将另一节点的节点特征数据传入第二线路的前级泡利旋转门的旋转参数。将两节点之间的边的边特征数据传入至第一和第二线路各自的受控门的旋转参数。另外在第一线路和第二线路各自的后级泡利旋转门的旋转参数中传入权重参数，利用带有权重的预定线性函数聚合一条边的边特征数据和边两端相邻的两个节点的节点特征数据。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明公开了一种循环神经网络模拟量子输运过程中的量子条件主方程的模拟方法，包括：建立循环神经网络，循环神经网络为长短时记忆网络；长短时记忆网络包括T个按时间顺序排列的LSTM细胞，每个LSTM细胞具有输入值xt和输出值ht，LSTM细胞内具有参数(W,b)；将根据量子条件主方程得到的电流的散粒噪声谱S(ω)，替代输入值xt；利用量子条件主方程中的密度矩阵迹，替代输出值ht；利用前后时刻的量子条件主方程中的密度矩阵迹之间联系，替代参数(W,b)。本发明建立了循环神经网络中的长短时记忆网络和量子条件主方程的联系，利用量子系统产生的散粒噪声谱的数据，解决求解量子条件主方程时方程无限循环闭合的难题，实现循环神经网络对量子条件主方程的模拟。

摘要： 本发明涉及一种考虑在冲击噪声环境下的基于量子Hopfield神经网络和量子鱼群算法的鲁棒多用户检测方法。本发明包括：建立鲁棒多用户检测模型；激活量子Hopfield神经网络产生一个次优解；初始化量子鱼群；采用量子人工鱼群算法的演进规则对种群进行演化；根据食物浓度函数对所有新位置计算食物浓度值；得到的全局最优位置就是检测多个用户的发射数据，输出检测结果。本发明解决了强冲击噪声环境下的鲁棒多用户检测问题，使用所设计的量子Hopfield神经网络和量子鱼群算法作为演进策略，所设计的方法具有收敛速度快，收敛精度高的优点。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本申请实施例适用于量子技术领域，提供了一种利用量子神经网络减少量子位误差的方法、装置及服务器，该方法包括：统计所有光子的偏振矢量定义为第一偏振矢量，至少再统计一次另一时间下所有光子的偏振矢量定义为第二偏振矢量，基于第二偏振矢量和第一偏振矢量生成该光子的偏振方向模型作为量子神经网络的输入，基于量子神经网络对偏振方向模型进行训练，得到训练后的偏振方向模型，根据训练后的偏振方向模型判断光子的偏振态以确定量子位。可见，本申请可有效提高量子位计算精准度，以使其可更好的投入实际运用中。

摘要： 本发明公开基于量子神经网络的变分量子模型TFQ‑VQA及其两级优化方法，该模型包括：量子神经网络模型QNN模块，根据输入的量子数据集建立参数化量子线路模型，对输入的量子数据集执行量子计算，对存储在量子子空间中的隐藏状态的信息进行查询并提取；期望值测量模块，对量子神经网络模型QNN模块查询时的代价函数期望估计值进行测量；循环神经网络模型RNN模块，接收前一个查询的代价函数期望估计值，还用于接收来自前一时间步长提取的存储在量子子空间中的隐藏状态的信息；代价函数评估模块，评估代价函数，并通过梯度下降按照预期的方向更新参数化量子线路控制参数，并输出最佳控制参数。本发明在对变分量子算法的代价函数的较少查询中找到近似最佳参数。

摘要： 本发明公开了一种基于量子模拟器的进化量子神经网络架构搜索方法，主要解决现有技术设计的量子神经网络模型精度低、复杂度高的问题。其实现方案为：对图像数据进行量子化编码；设计量子神经网络基本框架；利用量子编码后的图像数据采用量子进化算法搜索量子神经网络基本框架下的最优结构参数，在量子进化算法中，量子神经网络被编码为量子染色体，利用量子观测、量子旋转门更新、全干扰交叉操作寻找最优结构参数；基于最优结构参数构建最优量子神经网络。本发明搜索得到的量子神经网络具有更高的模型精度和更低的复杂度，并能将其部署在量子模拟器或者真实的量子系统上，充分利用量子计算的并行优势，提高模型的推理速度，可用于图像分类。