| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 量子神经网络的研究现状 | 第11-12页 |
| 1.3 论文研究内容与结构 | 第12-14页 |
| 第二章 PID控制 | 第14-20页 |
| 2.1 PID控制的原理 | 第14-16页 |
| 2.2 PID控制参数整定的常见方法 | 第16-18页 |
| 2.2.1 位置式PID控制算法 | 第16-17页 |
| 2.2.2 增量式PID控制算法 | 第17-18页 |
| 2.3 智能PID控制 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 量子神经网络 | 第20-33页 |
| 3.1 量子计算原理 | 第20-22页 |
| 3.1.1 量子比特 | 第20-21页 |
| 3.1.2 量子逻辑门 | 第21-22页 |
| 3.1.3 线性叠加态 | 第22页 |
| 3.2 经典BP神经网络 | 第22-26页 |
| 3.2.1 前馈神经网络BP算法的基本思想及其结构 | 第22-24页 |
| 3.2.2 前馈神经网络的学习算法 | 第24-26页 |
| 3.3 改进的量子神经元模型 | 第26-28页 |
| 3.4 改进的量子神经网络结构 | 第28-29页 |
| 3.5 基于BP算法的量子神经网络学习算法 | 第29-31页 |
| 3.6 含动量项的量子神经网络学习算法 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 基于量子神经网络的PID控制系统 | 第33-40页 |
| 4.1 基于量子神经网络的PID控制系统 | 第33-34页 |
| 4.2 量子神经网络的结构设计 | 第34-37页 |
| 4.2.1 网络的层数 | 第34-35页 |
| 4.2.2 各层神经元数目 | 第35-36页 |
| 4.2.3 网络的初始权值 | 第36页 |
| 4.2.4 激活函数 | 第36-37页 |
| 4.2.5 学习速率 | 第37页 |
| 4.3 仿真实验结果 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士学位期间发表论文 | 第44-46页 |
| 致谢 | 第46页 |