题名 基于多层激励函数量子神经网络的字符识别算法
被引量：1
1
作者
吴茹石 朱大奇 彭力
机构
江南大学智能控制研究所 上海海事大学信息工程学院
出处
《数据采集与处理》
CSCD
北大核心
2007年第4期401-406,共6页
基金
江苏省自然科学基金(BK2004021)资助项目 教育部科学技术研究重点项目基金(105088)资助项目
文摘
针对不同样本之间存在交叉数据的模式识别问题,将多层激励函数的量子神经网络引入模式识别之中,提出一种基于量子神经网络的模式识别算法。量子神经网络是将神经元与模糊理论相结合的模糊神经系统,由于自身固有的模糊性,它能将决策的不确定性数据合理地分配到各模式中,从而减少模式识别的不确定度,提高模式识别的准确性。本文以英文字母为例,应用量子神经网络模型进行字符识别,通过比较发现量子神经网络除了可以克服BP网络的诸多缺点外,对具有不确定性、两类模式之间存在交叉数据的模式识别问题,有极好的分类效果。仿真结果证明该方法的正确性和有效性。
关键词
字符识别算法 量子神经网络 多层激励函数 模式识别
Keywords
character recognition algorithm quantum neural network multi-level transfer function pattern recognition
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 旋转机械故障诊断的量子神经网络算法
被引量：15
2
作者
朱大奇 陈尔奎
机构
江南大学控制科学与工程研究中心
出处
《中国电机工程学报》
EI
CSCD
北大核心
2006年第1期132-136,共5页
基金
江苏省自然科学基金项目(BK2004021) 教育部科学技术研究重点项目基金(105088) 总装备部国防预研基金(413170203)
文摘
针对故障模式之间存在交叉数据的诊断不确定问题,将多层激励函数的量子神经网络引入多传感器信息融合之中,提出一种基于量子神经网络的多传感器信息融合故障诊断算法。并将其应用到旋转机械故障诊断中,通过测试被诊断设备的振动速度和加速度信号,求出两传感器对各故障模式的故障隶属度,利用多层激励函数的量子神经网络进行信息融合,得到融合的各故障模式隶属度值,确定真正的故障模式,提高了故障诊断的准确率。
关键词
量子神经网络 多层激励函数 信息融合 模式识别 故障诊断
Keywords
Quantum neural network Multi-level transfer function Information fusion Pattern recognition Fault diagnosis
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP274
[自动化与计算机技术—检测技术与自动化装置]
题名 基于量子神经网络的人脸识别技术研究
被引量：10
3
作者
盖怀存 张小锋 江泽涛
机构
南昌航空大学计算机学院
出处
《计算机工程与应用》
CSCD
北大核心
2010年第8期187-189,共3页
基金
国家自然科学基金Grant No.60673055~~
文摘
人脸识别问题是模式识别领域的一个重要的研究课题。提出了一种基于多层激励函数的量子神经网络人脸识别方法,采用ORL人脸图像数据库进行训练和识别。试验结果表明,该识别方法在识别率和可信性方面均有较好的效果,同时也体现了量子神经网络用于人脸识别的优越性和巨大的潜力。
关键词
人脸识别 量子神经网络 多层激励函数 模式识别
Keywords
face recognition Quantum Neural Networks（QNN ） multi-level pattern recognition
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 一种改进的量子神经网络训练算法
被引量：7
4
作者
张翼鹏 陈亮 郝欢
机构
解放军理工大学通信工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2013年第7期1630-1635,共6页
基金
国家自然科学基金(61072042)资助课题
文摘
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。
关键词
量子神经网络 多层激励函数 Levenberg-Marquardt(LM)算法 最速下降
Keywords
Quantum Neural Networks（QNN） Multilevel Activation Function（MAF） Levenberg-Marquardt（LM） algorithm Steepest descent
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于量子神经网络的人脸表情识别研究
被引量：2
5
作者
李俊华 彭力
机构
江南大学通信与控制工程学院
出处
《控制工程》
CSCD
2008年第5期549-551,555,共4页
基金
国家自然科学基金资助项目(60674092) 江苏省高科技研究基金资助项目(BG2006010)
文摘
人脸表情识别是模式识别领域的一个非常重要却十分复杂的研究课题。为了提高识别率和可靠性,提出了一种基于多层激励函数的量子神经网络和多级分类器组合的人脸表情识别方法。采用CMU人脸表情库进行训练和测试。实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果,同时也体现了量子神经网络用于模式识别的优越性和潜力。
关键词
量子神经网络 多层激励函数 多级分类器 人脸表情识别
Keywords
quantum neural network multi-level transfer function multi-layer classifier facial expression recognition
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 用MTF-QNN模型预测水中溶解氧含量
6
作者
贾花萍
机构
渭南师范学院网络安全与信息化学院
出处
《江苏农业科学》
2018年第8期232-236,共5页
基金
陕西省渭南市科技创新扶持资金和科研项目(编号:2016KYS-3-3)
文摘
研究水中溶解氧含量的预测问题,可为水厂生产、水产养殖业、地表水环境的管理提供科学依据。影响水中溶解氧的各因素关系复杂,很难进行数学建模,神经网络由于具有较强的非线性问题处理能力而被广泛应用于水中溶解氧的预测研究。由于传统神经网络具有陷入局部极小、收敛速度慢并且网络冗余度较大等缺陷,为提高网络的正确预测能力和泛化能力,采用多层激励函数(modulation transfer function,简称MTF)与量子神经网络(quantum neural network,简称QNN)相结合建立水中溶解氧预测模型,但若用神经网络作为前馈型网络,它的沿梯度下降的算法会使其在进行网络训练时有可能陷入局部极小,针对这一缺陷,提出一种可以使量子神经网络逃离局部极小点的算法,并将它应用到量子神经网络中进行网络误差调整。仿真结果表明,与传统BP(back propagation)神经网络预测结果相比,采用多层激励函数的量子神经网络(modulation transfer function-quantum neural network,简称MTF-QNN)预测水中溶解氧含量的预测精度更高。
关键词
多层激励函数 量子神经网络 水中溶解氧 预测模型
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
S126
[农业科学—农业基础科学]
题名 基于量子神经网络的手写体数字识别方法研究
被引量：8
7
作者
吴茹石 彭力
机构
江南大学控制科学与工程研究中心
出处
《计算机工程与设计》
CSCD
北大核心
2007年第18期4462-4465,共4页
文摘
手写体数字识别问题是模式识别领域的一个重要研究课题。提出了一种基于多层激励函数的量子神经网络和多级分类器组合的手写体数字识别方法,采用MNIST数据库进行训练和测试。实验结果表明,该识别方法在识别率和可靠性方面均有很好的效果,同时也体现出量子神经网络用于模式识别的优越性和潜力。
关键词
量子神经网络 多层激励函数 多级分类器 手写体数字识别 模式识别
Keywords
quantum neural network multi-level transfer function multi-layer classifier handwritten digital recognition patternrecognition
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 一种改进的量子神经网络频谱感知算法
被引量：5
8
作者
赵阳 孙学斌 周正
机构
北京邮电大学信息与通信工程学院
出处
《无线电通信技术》
2015年第2期7-11,共5页
基金
国家自然科学基金项目(60902046)
文摘
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。
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
Keywords
cognitive radio spectrum sensing quantum neural network multi-level transfer function Josephson lunction
分类号
TN911.7
[电子电信—通信与信息系统]
题名 量子小波神经网络及其在漏钢预报中的应用
被引量：4
9
作者
杨琴 彭力
机构
江南大学通信与控制工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2008年第15期242-245,248,共5页
基金
国家自然科学基金(the National Natural Science Foundation of China under Grant No.60674092) 江苏省高科技研究项目(No.工业BG2006010)
文摘
针对传统神经网络收敛速度慢,收敛精度低,以及用于模式识别泛化能力差的问题。提出了将量子神经网络与小波理论相结合的量子小波神经网络模型。该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,称之为多层小波激励函数,这样隐层神经元既能表示更多的状态和量级,又能提高网络收敛精度和速度。给出了网络学习算法。并以之在漏钢预报波形识别中的应用验证了该模型和学习算法的有效性。
关键词
量子小波神经网络 模式识别 多层 小波激励函数 漏钢预报
Keywords
quantum wavelet neural networks,pattern recognition,multi-wavelet incentive function,breakout prediction
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
