期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于多层激励函数量子神经网络的入侵检测研究 被引量:2
1
作者 冯建利 拱长青 《沈阳航空工业学院学报》 2010年第1期56-59,共4页
为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对神经网路隐层激励函数进行了研究,利用多层激励函数的量子神经网络模型进行入侵检测,该量子神经网络借鉴量子理论中量子态叠加的思想,使得隐层神经元能表... 为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对神经网路隐层激励函数进行了研究,利用多层激励函数的量子神经网络模型进行入侵检测,该量子神经网络借鉴量子理论中量子态叠加的思想,使得隐层神经元能表示更多地状态或量级,从而很好的对入侵类型进行分类,增加隐层神经元的处理速度和检测性能法。实验表明,叠加的每个sigmoid函数较传统的sigmoid函数不仅对已知的入侵具有较好的识别能力,而且能较好的识别未知入侵行为,从而实现入侵检测的智能化。 展开更多
关键词 入侵检测 量子神经网络 多层激励函数
在线阅读 下载PDF
基于多层激励量子神经网络的鲁棒音频水印算法 被引量:2
2
作者 陈亮 李彬 +1 位作者 张翼鹏 郝欢 《解放军理工大学学报(自然科学版)》 EI 北大核心 2013年第5期473-478,共6页
设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范... 设计了一种基于多层激励函数量子神经网络的音频水印算法。将水印信号嵌入载体语音的小波低频系数中,再训练量子神经网络建立水印嵌入前后低频小波系数间的联系以便在接收端恢复水印。同时,区别于传统的归一化方法,将小波低频系数规范到同一数量级,避免了恢复水印时小波低频系数的差错传播,提高了算法的鲁棒性。实验结果表明,设计的水印算法对加噪、滤波、重采样和再量化等攻击具有较强的鲁棒性,提取正确率相比BP网络水印算法平均提高1.8%。 展开更多
关键词 小波变换 多层激励函数 量子神经网络 音频水印
在线阅读 下载PDF
一种改进的量子神经网络训练算法 被引量:7
3
作者 张翼鹏 陈亮 郝欢 《电子与信息学报》 EI CSCD 北大核心 2013年第7期1630-1635,共6页
针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同... 针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率,实现了对量子神经网络的高效训练。实验结果表明,该文提出的训练算法有效减少了迭代次数,显著提高了网络收敛精度,可应用于数据分类、函数逼近等场合,扩展了多层激励函数量子神经网络的应用领域。 展开更多
关键词 量子神经网络 多层激励函数 Levenberg-Marquardt(LM)算法 最速下降
在线阅读 下载PDF
一种改进的量子神经网络频谱感知算法 被引量:5
4
作者 赵阳 孙学斌 周正 《无线电通信技术》 2015年第2期7-11,共5页
为了克服传统频谱感知的缺点,提升在低信噪比下的频谱检测性能,提出了一种改进的量子神经网络频谱感知算法。通过提取授权用户信号的特征参数,对量子神经网络进行训练,获取授权信号中数据的不确定性并加以存储、记忆,从而实现周围环境&q... 为了克服传统频谱感知的缺点,提升在低信噪比下的频谱检测性能,提出了一种改进的量子神经网络频谱感知算法。通过提取授权用户信号的特征参数,对量子神经网络进行训练,获取授权信号中数据的不确定性并加以存储、记忆,从而实现周围环境"频谱机会"的检测。为了提高量子神经网络的收敛性、稳定性,对算法进行改进,采用三层Josephson函数作为激励函数,缩短激励函数的饱和区,减少训练过程中出现"假饱和"现象;并在原有的学习目标函数中加入约束条件,使网络权值的调整和量子间隔的更新在学习过程中的相互影响降到最低。通过实验仿真得出,改进后的量子神经网络算法与改进前的算法、BP神经网络检测算法相比,不但在网络收敛速度和稳定性上有了明显提升,而且在低信噪比情况下具有更高的检测概率。 展开更多
关键词 认知无线电 频谱感知 量子神经网络 多层激励函数 Josephson函数
在线阅读 下载PDF
基于量子神经网络的辐射源识别方法 被引量:4
5
作者 张中山 贾可新 《航天电子对抗》 2013年第3期26-28,31,共4页
针对传统的BP神经网络对雷达辐射源识别率不高问题,提出了基于量子神经网络的辐射源识别方法。由于量子神经网络借鉴了量子理论的量子态叠加思想,不仅保留了人工神经网络的固有优势,而且可形成特征空间的多级划分,使得分类具有更大的自... 针对传统的BP神经网络对雷达辐射源识别率不高问题,提出了基于量子神经网络的辐射源识别方法。由于量子神经网络借鉴了量子理论的量子态叠加思想,不仅保留了人工神经网络的固有优势,而且可形成特征空间的多级划分,使得分类具有更大的自由度,从而较好地对辐射源进行分类识别。实验结果表明,相比于传统BP神经网络,该方法能获得更高的雷达辐射源识别率。 展开更多
关键词 量子神经网络 雷达辐射源识别 多层激励函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部