侯旋

西北工业大学电子信息学院，西安 710071

量子门线路神经网络及其改进学习算法研究

侯旋

西北工业大学电子信息学院，西安 710071

量子门线路神经网络（QGCNN）是一种直接利用量子理论设计神经网络拓扑结构或训练算法的量子神经网络模型。动量更新是在神经网络的权值更新中加入动量，在改变权值向量的同时提供一个特定的惯量，从而避免权值向量在网络训练过程中持续振荡。在基本的量子门线路神经网络的学习算法中引入动量更新原理，提出了一种具有动量更新的量子门线路网络算法（QGCMA）。研究表明，QGCMA保持了网络100%的收敛率，同时，相对于基本算法，在具有相同学习速率的情况下，提高了网络的收敛速度。

量子神经网络；量子计算；量子门；动量更新；学习算法；权值

1 引言

人工神经网络（Artificial Neural Network），也称为神经网络（Neural Network，NN），或称为连接模型（Connectionist Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的[1-3]。人工神经网络是通过直观性思维方式模拟人的思维，是一种非线性动力学系统，将分布式存储的信息综合起来，在忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于信息是通过神经元上的兴奋模式分布在网络上，并且通过神经元之间同时相互作用的动态过程完成信息处理[4-7]。人工神经网络技术与量子计算相结合，是一个具有开拓性的尝试。……