基于量子结构及算法的神经网络模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·本文的主要工作与内容安排 | 第10-12页 |
| 第二章 量子基础理论知识 | 第12-17页 |
| ·量子比特 | 第12页 |
| ·基本量子门 | 第12-13页 |
| ·NOT 门 | 第12页 |
| ·Hardmard 门 | 第12-13页 |
| ·双量子比特门 | 第13页 |
| ·Grover 搜索算法 | 第13-17页 |
| ·量子黑箱 | 第13-14页 |
| ·Grover 算法 | 第14-17页 |
| 第三章 基于量子部分搜索的多模式高概率算法 | 第17-27页 |
| ·引言 | 第17-18页 |
| ·多模式层级部分搜索算法原理 | 第18-23页 |
| ·多模式单次量子部分搜索步骤： | 第23页 |
| ·时间复杂度 | 第23-26页 |
| ·多模式层级部分搜索算法所需迭代次数 | 第23-25页 |
| ·多模式单次量子部分搜索所需迭代次数 | 第25页 |
| ·两种算法时间复杂度比较 | 第25-26页 |
| ·两种算法时间复杂度分析 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于量子结构的神经网络 | 第27-36页 |
| ·引言 | 第27页 |
| ·量子神经元模型 | 第27-29页 |
| ·传统的神经元模型 | 第27-28页 |
| ·量子神经元模型 | 第28-29页 |
| ·量子神经元模型的性质 | 第29-30页 |
| ·数据训练 | 第29页 |
| ·神经元的激活 | 第29页 |
| ·所需的量子比特数 | 第29-30页 |
| ·最优量子神经元模型的确定 | 第30页 |
| ·实例分析 | 第30-33页 |
| ·布尔函数F0 实现连接功能 | 第31-32页 |
| ·布尔函数F1 实现神经元非线性操作功能 | 第32-33页 |
| ·最优量子神经元结构确定 | 第33-34页 |
| ·性能分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于非线性搜索的量子联想神经网络 | 第36-51页 |
| ·引言 | 第36页 |
| ·量子联想神经网络 | 第36-44页 |
| ·存储模式的工作原理 | 第37-40页 |
| ·回忆模式的工作原理 | 第40-42页 |
| ·非线性算子U 3内部结构图 | 第42-44页 |
| ·实例分析 | 第44-50页 |
| ·存储过程 | 第44-49页 |
| ·模式的回忆过程 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结 | 第51-53页 |
| ·全文总结 | 第51页 |
| ·今后的工作与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 个人简历 在读期间发表的学术论文及主持参与课题 | 第56-58页 |
| 致谢 | 第58页 |
