混合量子衍生神经网络模型及算法

来源：电子与信息学报杂志2016年第1期北京时间：

作者：李盼池, 李国蕊

摘要：为提高人工神经网络的逼近能力，该文从研究隐层神经元的映射机制入手，提出基于量子比特在Bloch球面的绕轴旋转构造神经网络模型的新思想。首先将样本线性变换为量子比特的相位，并使量子比特在Bloch球面上分别绕着3个坐标轴旋转，旋转角度即为网络参数。然后通过投影测量可以得到量子比特的球面坐标，将这些坐标值提交到隐层激励函数，可得隐层神经元的输出。输出层采用普通神经元。基于L-M(Levenberg-Marquardt)算法设计了该模型的学习算法。实验结果表明，该文提出的模型在逼近能力、泛化能力、鲁棒性能方面，均优于采用L-M算法的普通神经网络。

关键词：量子计算, 量子比特旋转, 量子衍生神经元, 量子衍生神经网络

基金资助：国家自然科学基金(61170132), 黑龙江省自然科学基金(F2015021), 黑龙江省教育厅科学技术研究项目(12541059)