量子计算与过程神经网络研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-26页 |
| ·选题背景和研究意义 | 第12-13页 |
| ·量子智能计算研究现状 | 第13-21页 |
| ·量子神经网络研究现状 | 第14-16页 |
| ·量子智能优化研究现状 | 第16-18页 |
| ·量子搜索算法研究现状 | 第18-21页 |
| ·过程神经网络研究现状 | 第21-23页 |
| ·中长期水文预报研究现状 | 第23-24页 |
| ·论文研究内容及组织结构 | 第24-26页 |
| 2 量子神经网络模型及算法 | 第26-47页 |
| ·引言 | 第26页 |
| ·量子BP神经网络 | 第26-34页 |
| ·量子位和量子门 | 第27页 |
| ·量子BP网络模型 | 第27-29页 |
| ·量子BP网络算法 | 第29-30页 |
| ·量子BP网络的连续性 | 第30-31页 |
| ·实验及分析 | 第31-34页 |
| ·量子权值神经网络 | 第34-39页 |
| ·量子权值神经网络模型 | 第34-35页 |
| ·量子权值神经网络算法 | 第35-37页 |
| ·实验及分析 | 第37-39页 |
| ·量子门节点神经网络 | 第39-46页 |
| ·量子门及线路表示 | 第39-41页 |
| ·量子门节点网络模型 | 第41页 |
| ·量子门节点网络算法 | 第41-43页 |
| ·实验及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 3 过程神经网络模型及算法 | 第47-73页 |
| ·引言 | 第47页 |
| ·过程神经元网络模型 | 第47-50页 |
| ·过程神经元模型 | 第47-48页 |
| ·过程神经网络模型 | 第48-50页 |
| ·过程神经元网络算法 | 第50-65页 |
| ·泛函空间直交集的概念及性质 | 第50-51页 |
| ·常用的L~2[U]空间函数正交基 | 第51-53页 |
| ·过程神经网络正交基展开算法 | 第53-55页 |
| ·基于离散Walsh变换的学习算法 | 第55-59页 |
| ·基于连续Walsh变换的学习算法 | 第59-61页 |
| ·基于Legendre正交基函数的学习算法 | 第61-62页 |
| ·实验及分析 | 第62-65页 |
| ·并联过程神经网络模型 | 第65-72页 |
| ·并联过程神经网络模型 | 第65-67页 |
| ·并联过程神经网络算法 | 第67页 |
| ·实验及分析 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 4 改进的量子搜索算法 | 第73-89页 |
| ·引言 | 第73页 |
| ·量子搜索算法概述 | 第73-75页 |
| ·目标加权的量子搜索算法 | 第75-83页 |
| ·目标量子叠加态的构造 | 第75页 |
| ·算法的迭代方程及成功概率 | 第75-81页 |
| ·加权搜索算法与普通搜索算法的关系 | 第81页 |
| ·实验及分析 | 第81-83页 |
| ·小相位旋转的量子搜索算法 | 第83-88页 |
| ·构造搜索引擎 | 第83-84页 |
| ·算法成功概率 | 第84-85页 |
| ·算法需要的迭代步数 | 第85页 |
| ·小相位搜索算法与其它算法的关系 | 第85-86页 |
| ·小相位搜索算法与其它算法的对比 | 第86-88页 |
| ·本章小结 | 第88-89页 |
| 5 量子衍生优化算法 | 第89-125页 |
| ·引言 | 第89页 |
| ·量子遗传算法 | 第89-105页 |
| ·目前量子遗传算法存在的问题 | 第90页 |
| ·基于相位编码的量子遗传算法 | 第90-93页 |
| ·基于相位量子遗传算法的PNN训练 | 第93-95页 |
| ·实验及分析 | 第95-97页 |
| ·基于Bloch坐标的三链量子遗传算法 | 第97-100页 |
| ·基于三链量子遗传算法的PNN训练 | 第100-102页 |
| ·实验及分析 | 第102-105页 |
| ·混沌量子免疫算法 | 第105-113页 |
| ·混沌量子免疫算法原理 | 第106-109页 |
| ·PNN与混沌量子免疫算法的融合 | 第109-110页 |
| ·基于PCQIA的油气资源评价 | 第110-113页 |
| ·量子蚁群优化算法 | 第113-119页 |
| ·量子蚁群优化原理 | 第114-116页 |
| ·量子蚁群优化实施方案 | 第116-117页 |
| ·实验及分析 | 第117-119页 |
| ·量子粒子群优化算法 | 第119-124页 |
| ·量子粒子群优化原理 | 第119-122页 |
| ·量子粒子群优化实施方案 | 第122页 |
| ·实验及分析 | 第122-124页 |
| ·本章小结 | 第124-125页 |
| 6 量子优化算法在中长期水文预报中的应用 | 第125-139页 |
| ·引言 | 第125-126页 |
| ·量子优化算法在中长期水文预报中的应用 | 第126-138页 |
| ·研究背景资料 | 第126-129页 |
| ·预报输入参数的确定 | 第129-130页 |
| ·预报结果评价指标 | 第130-131页 |
| ·预报建模 | 第131-133页 |
| ·预报结果及分析 | 第133-138页 |
| ·本章小结 | 第138-139页 |
| 7 结论与展望 | 第139-141页 |
| ·结论 | 第139-140页 |
| ·展望 | 第140-141页 |
| 参考文献 | 第141-154页 |
| 攻读博士学位期间发表学术论文情况 | 第154-156页 |
| 致谢 | 第156-157页 |
| 作者简介 | 第157-159页 |
