量子神经网络模型及其在心电图分类识别中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·本论文的研究背景及意义 | 第8-9页 |
| ·量子神经网络的研究现状 | 第9-10页 |
| ·本论文的研究内容 | 第10-11页 |
| 第二章 量子神经元模型及特性研究 | 第11-30页 |
| ·量子信息基础知识 | 第11-15页 |
| ·量子信息与量子比特 | 第11页 |
| ·量子逻辑门 | 第11-15页 |
| ·经典神经元模型及其特性 | 第15-19页 |
| ·经典神经元模型 | 第15-16页 |
| ·神经元学习算法 | 第16-17页 |
| ·神经元特性分析 | 第17-19页 |
| ·量子神经元模型研究 | 第19-20页 |
| ·基于量子比特的量子神经元模型 | 第19-20页 |
| ·基于通用量子门的量子神经元模型 | 第20页 |
| ·一种改进的量子神经元模型及特性 | 第20-29页 |
| ·改进的量子神经元模型 | 第20-22页 |
| ·改进的量子神经元的学习算法 | 第22-23页 |
| ·改进的量子神经元特性 | 第23-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 改进的量子神经网络模型及特性研究 | 第30-42页 |
| ·BP 神经网络模型及特性 | 第30-32页 |
| ·BP 神经网络模型 | 第30页 |
| ·BP 网络学习算法 | 第30-32页 |
| ·改进的量子神经网络模型 | 第32-35页 |
| ·改进的量子神经网络的学习算法 | 第35-37页 |
| ·改进的量子神经网络的性能测试 | 第37-38页 |
| ·量子神经网络用于模式识别的优越性 | 第38-41页 |
| ·模式识别系统 | 第38-40页 |
| ·理论依据 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于量子神经网络的心电图的分类识别 | 第42-57页 |
| ·心电图理论基础 | 第42-45页 |
| ·心电图 | 第42-43页 |
| ·心电图的特征参数 | 第43-44页 |
| ·ST 段的意义 | 第44-45页 |
| ·基于小波变换的心电图特征参数的提取 | 第45-54页 |
| ·小波变换基础理论 | 第45-46页 |
| ·数据的获取 | 第46-47页 |
| ·数据预处理 | 第47-48页 |
| ·心电图特征参数提取 | 第48-54页 |
| ·基于量子神经网络的心电图ST 段的分类 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·课题研究总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间完成的论文 | 第64页 |
