量子神经网络模型结构与算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究的背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·人工神经网络研究现状 | 第13-14页 |
| ·量子神经网络研究现状 | 第14-16页 |
| ·本文的主要研究内容 | 第16-19页 |
| 第2章 量子理论基础 | 第19-35页 |
| ·量子力学基本概念 | 第19-20页 |
| ·量子态及其表象 | 第19页 |
| ·量子态相干性 | 第19页 |
| ·量子态纠缠性 | 第19-20页 |
| ·量子态坍缩 | 第20页 |
| ·量子并行性 | 第20页 |
| ·量子力学基本假设 | 第20-24页 |
| ·波函数的概率波诠释 | 第21页 |
| ·状态空间假设 | 第21页 |
| ·薛定谔方程假设 | 第21-22页 |
| ·算符化规则 | 第22页 |
| ·全同性原理 | 第22-23页 |
| ·叠加态原理 | 第23页 |
| ·量子测量假设 | 第23-24页 |
| ·双缝干涉实验的量子解释 | 第24-27页 |
| ·经典概率描述 | 第24-25页 |
| ·量子概率描述 | 第25-27页 |
| ·量子计算原理 | 第27-34页 |
| ·量子比特 | 第27-30页 |
| ·量子计算法则 | 第30-31页 |
| ·量子逻辑门 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 典型的量子神经网络 | 第35-45页 |
| ·基于通用量子门演化的量子神经网络 | 第35-39页 |
| ·基于通用量子门神经元模型 | 第35-36页 |
| ·基于通用量子门神经网络结构 | 第36-37页 |
| ·学习算法 | 第37-39页 |
| ·基于量子加权的量子神经网络 | 第39-41页 |
| ·基于量子加权神经元模型 | 第39页 |
| ·基于量子加权神经网络结构 | 第39-40页 |
| ·学习算法 | 第40-41页 |
| ·基于量子门线路的量子神经网络 | 第41-44页 |
| ·基于量子门线路的量子神经元模型 | 第41-42页 |
| ·基于量子门线路的量子神经网络结构 | 第42-43页 |
| ·学习算法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 量子感知器神经网络 | 第45-59页 |
| ·传统的神经网络感知器模型 | 第45-46页 |
| ·量子感知器模型 | 第46-50页 |
| ·量子感知器神经网络 | 第50-57页 |
| ·量子感知器神经网络结构 | 第50-52页 |
| ·网络的收敛性分析 | 第52-53页 |
| ·学习算法 | 第53-55页 |
| ·仿真验证 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 基于受控非门的量子神经网络 | 第59-69页 |
| ·基于受控非门的量子神经元模型 | 第59-61页 |
| ·基于受控非门的量子神经网络 | 第61-67页 |
| ·基于受控非门的量子神经网络结构 | 第61-63页 |
| ·网络的连续性分析 | 第63-64页 |
| ·仿真验证 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士期间发表的论文 | 第77页 |
