量子神经网络辨识方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究概况 | 第12-13页 |
| ·本文研究的主要内容 | 第13-15页 |
| 第2章 量子计算基础与量子算法 | 第15-27页 |
| ·引言 | 第15页 |
| ·量子比特 | 第15-17页 |
| ·简单介绍 Hilbert 空间 | 第15页 |
| ·狄拉克符号 | 第15-16页 |
| ·量子信息的基本存储单元 | 第16页 |
| ·量子比特特性以及 Bloth 球面表示方法 | 第16-17页 |
| ·向量空间与状态空间表示 | 第17-19页 |
| ·基与线性无关的基础知识 | 第17-18页 |
| ·内积、外积、张量积 | 第18-19页 |
| ·量子态的相干叠加性、纠缠性和坍塌 | 第19-20页 |
| ·量子逻辑门 | 第20-21页 |
| ·基本量子算法 | 第21-26页 |
| ·量子计算的并行性 | 第21-22页 |
| ·Deutsch 量子算法 | 第22-24页 |
| ·Shor 量子算法 | 第24-25页 |
| ·Grover 量子算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 量子神经网络计算分析 | 第27-49页 |
| ·引言 | 第27页 |
| ·神经网络的基本结构 | 第27-29页 |
| ·神经网络的学习 | 第29-32页 |
| ·神经网络的学习方式 | 第29-30页 |
| ·神经网络学习算法 | 第30-32页 |
| ·几种常见的神经网络模型 | 第32-35页 |
| ·BP 神经网络 | 第32-34页 |
| ·RBF 神经网络 | 第34-35页 |
| ·量子计算与神经计算的结合优势分析 | 第35-36页 |
| ·量子计算与神经网络模型与算法 | 第36-48页 |
| ·量子 BP 神经网络模型 | 第37-38页 |
| ·量子 BP 神经网络学习算法 | 第38-40页 |
| ·量子加权神经网络模型 | 第40-41页 |
| ·量子自组织特征映射网络模型 | 第41-43页 |
| ·三层量子神经网络模型 | 第43-47页 |
| ·算法优势验证 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于量子神经网络对热工辨识的研究及应用 | 第49-58页 |
| ·引言 | 第49页 |
| ·神经网络在辨识中常用的结构 | 第49-52页 |
| ·量子神经网络模型结构建立 | 第52-53页 |
| ·仿真实例 | 第53-55页 |
| ·基于三层量子神经网络的热工辨识实现 | 第55-57页 |
| ·问题提出 | 第55页 |
| ·仿真结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文和参加的科研情况 | 第63-64页 |
| 致谢 | 第64页 |
