一种新的量子神经网络训练算法
量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络，其主要用于数据分类。由于采用多层激励函数神经元，并且在量子间隔训练中采用了新的目标函数，即同类输入数据的隐层节点输出方差最小，从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数，使迭代过程中两者不可避免的会出现相互冲突，从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论，在两个目标函数的梯度下降求解中引入了惩罚函数，提出了一种新的量子神经网络训练算法，消除了两个目标函数间的冲突。实验结果表明，本文提出的训练算法可以显著提升训练的速度和网络的性能。
量子神经网络 训练算法 约束优化理论 梯度下降 惩罚函数
孙健 张雄伟 孙新建
解放军理工大学通信工程学院,南京210007 解放军理工大学指挥自动化学院,南京210007
国内会议
北京
中文
1306-1312
2011-11-17（万方平台首次上网日期，不代表论文的发表时间）