-
题名基于量子门线路神经网络的信息安全风险评估
被引量：20
- 1
-
-
作者
周超
潘平
黄亮
-
机构
贵州大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第12期39-45,共7页
-
基金
贵州省教育厅自然科学研究项目"大数据聚类的量子算法研究"(黔教合KY(2015)367号)
-
文摘
信息安全风险评估是对不确定的和随机的潜在风险进行综合评价的过程,目的是有效抑制、转移系统风险。在分析信息系统安全要素与保障体系的基础上,构建基于信息资产的信息系统安全风险评估模型,通过风险评估指标体系,得到实际检测的评估对象属性。利用一组量子门线路构建神经网络模型,将评估对象属性样本归一化处理结果作为网络输入并用量子位表示,经量子旋转门进行相位旋转并控制量子位的翻转。经过网络处理后,得到评估对象的综合风险。实验结果表明,与传统BP神经网络相比,该方法能够实现信息系统的风险评估,具有更优的收敛性能与更精确的风险预测能力,可为风险管理提供可靠的理论依据。
-
关键词
信息系统
量子门线路
信息资产
风险评估
神经网络
-
Keywords
information system
quantum gate circuit
information asset
risk assessment
neural networks
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名优化量子门线路的煤与瓦斯突出预测模型
被引量：2
- 2
-
-
作者
付华
孟庭儒
阎馨
卢万杰
-
机构
辽宁工程技术大学电气与控制工程学院
辽宁工程技术大学机械工程学院
-
出处
《控制工程》
CSCD
北大核心
2021年第9期1731-1737,共7页
-
基金
国家自然科学基金资助项目(71771111,51974151,61601212)
辽宁省教育厅项目(LJ201QL012)
辽宁省自然科学基金指导计划项目(20180550438)。
-
文摘
为提高煤与瓦斯突出强度的预测精度,提出了一种基于核主成分分析和联合改进灰狼算法优化量子门线路神经网络的KPCA-IGWO-QGCNN煤与瓦斯突出强度预测方法,确定煤与瓦斯突出强度的主要影响因素,采用核主成分分析降低瓦斯突出强度影响指标的维数,简化神经网络结构;量子门线路神经网络具有量子并行计算的优势,可有效提高信息处理的运算速度并扩大信息的存储容量,具有较好的收敛能力与鲁棒性;通过非线性控制参数与粒子群思想联合改进的灰狼算法提高模型全局寻优能力,优化量子门线路神经网络的网络参数。通过对比分析该模型与BP神经网络、QGCNN、GWO-QGCNN神经网络模型的预测结果,说明该模型泛化能力强,预测精度高。
-
关键词
煤与瓦斯突出
强度预测
核主成分分析法(KPCA)
改进灰狼优化算法
量子门线路神经网络(qgcnn)
-
Keywords
Coal and gas outburst
strength prediction
kernel principal component analysis(KPCA)
improved grey wolf optimization algorithm
quantum gate circuit neural network(qgcnn)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
