量子神经网络的研究及其在气象预测中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外相关研究现状 | 第9页 |
| ·论文主要研究内容 | 第9-10页 |
| ·论文结构 | 第10-12页 |
| 第二章 量子神经网络及气象预测的基本方法 | 第12-32页 |
| ·量子计算理论 | 第12-20页 |
| ·量子比特与量子逻辑门 | 第13-16页 |
| ·线性叠加原理与算子 | 第16-18页 |
| ·量子计算算法 | 第18-20页 |
| ·量子神经网络 | 第20-29页 |
| ·量子计算与神经网络结合的合理性 | 第20-21页 |
| ·传统的人工神经网络 | 第21-23页 |
| ·量子MP神经元模型 | 第23-25页 |
| ·改进的量子神经元模型 | 第25-27页 |
| ·量子Hopfield神经网络及其它量子神经网络 | 第27-29页 |
| ·量子神经网络和人工神经网络的对比 | 第29页 |
| ·气象预测的基本方法 | 第29-31页 |
| ·气象预测的因素与过程 | 第29-30页 |
| ·气象预测方法 | 第30页 |
| ·基于神经网络的气象预测方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 改进的量子神经网络算法及研究 | 第32-48页 |
| ·经典的BP神经网络 | 第32-35页 |
| ·BP算法的基本思想及其结构 | 第32-34页 |
| ·BP神经网络的学习算法 | 第34-35页 |
| ·改进的量子神经网络 | 第35-39页 |
| ·改进的量子神经网络模型 | 第35-36页 |
| ·基于BP神经网络算法的学习算法 | 第36-39页 |
| ·改进的量子神经网络的学习算法 | 第39-43页 |
| ·改进学习算法的理论基础 | 第39-41页 |
| ·改进的量子神经网络学习算法 | 第41-43页 |
| ·改进的量子神经网络的性能分析 | 第43-46页 |
| ·函数逼近实验 | 第43-44页 |
| ·双螺旋曲线分类问题 | 第44-46页 |
| ·神经网络性能分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于量子神经网络的气象预测应用与仿真 | 第48-60页 |
| ·实验数据的选择 | 第49-50页 |
| ·数据的选择 | 第49页 |
| ·数据的预处理 | 第49-50页 |
| ·神经网络结构的确定 | 第50-52页 |
| ·输入输出层节点数的确定 | 第50页 |
| ·隐含层节点数的确定 | 第50-51页 |
| ·神经网络权重的初始化 | 第51-52页 |
| ·实验结果及分析 | 第52-59页 |
| ·神经网络参数的设置 | 第52页 |
| ·仿真实验结果 | 第52-58页 |
| ·误差分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 结束语 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·工作展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
