量子神经网络及其应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题背景与研究意义 | 第12-13页 |
| ·课题研究历史及现状 | 第13-16页 |
| ·人工神经网络领域 | 第13-15页 |
| ·量子神经计算领域 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 量子计算原理 | 第18-28页 |
| ·量子比特 | 第18-20页 |
| ·量子信息的基本存储单元 | 第18页 |
| ·量子比特的特性与布洛赫球表示法 | 第18-20页 |
| ·状态空间表示 | 第20页 |
| ·量子计算中的量子力学原理 | 第20-23页 |
| ·态叠加与态纠缠原理 | 第20-21页 |
| ·量子相干与消相干 | 第21页 |
| ·量子不可克隆定理 | 第21-22页 |
| ·量子逻辑门 | 第22-23页 |
| ·量子计算算法 | 第23-27页 |
| ·Shor算法 | 第23-24页 |
| ·量子傅里叶变换 | 第24-25页 |
| ·Deutsch算法 | 第25-26页 |
| ·Grover算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 量子神经计算分析 | 第28-33页 |
| ·神经网络的优势与局限性 | 第28-29页 |
| ·量子计算的优势 | 第29-30页 |
| ·量子计算与神经计算的结合分析 | 第30-32页 |
| ·量子计算与神经计算的概念对比 | 第30页 |
| ·量子计算与神经计算结合的可行性 | 第30-31页 |
| ·量子神经计算的优势 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 量子神经网络模型研究 | 第33-42页 |
| ·概述 | 第33页 |
| ·量子神经网络模型 | 第33-38页 |
| ·量子神经元模型 | 第33-35页 |
| ·量子联想记忆模型 | 第35-36页 |
| ·量子并行自组织映射模型 | 第36-37页 |
| ·多宇宙量子神经网络 | 第37-38页 |
| ·量子学习 | 第38-41页 |
| ·量子神经元学习算法 | 第39-40页 |
| ·一种量子竞争学习算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 量子神经网络的应用研究 | 第42-51页 |
| ·基于通用量子门组的量子神经网络 | 第42-46页 |
| ·量子门 | 第42页 |
| ·量子测量 | 第42-43页 |
| ·基于量子门的量子神经网络设计 | 第43-45页 |
| ·实验仿真分析 | 第45-46页 |
| ·基于多层激励函数的量子神经网络模式分类 | 第46-50页 |
| ·BP神经网络结构 | 第46-47页 |
| ·基于多层激励函数的量子神经网络设计 | 第47-48页 |
| ·实验仿真分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 总结 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第58页 |
