一种新的用于心电图ST段分类的量子神经网络

摘要：

　　本文提出了一种新的量子神经网络，用量子相移门更新网络的权值，量子受控非门模拟神经元激励函数的跳变；激励函数采用双曲正切函数的变式来替代常用的sigmoid函数。将该网络应用于心电图(ECG)ST段的分类识别中，并与经典BP神经网络和基于多层激励函数的BP神经网络进行对比分析。结果表明，该量子神经网络具有较快的收敛速度和较好的分类效果。

关键词： 量子神经网络 心电图ST段 模式识别 性能测试

作者: 柳丹 李飞

作者单位: 南京邮电大学通信与信息工程学院，南京，210003 南京邮电大学信号处理与传输研究院，南京，210003

会议类型: 国内会议

会议名称: 第23届全国计算机新科技与计算机教育学术会议

会议地点: 兰州

会议语种:中文

页码: 241-245

在线出版日期: 2012-08-03（万方平台首次上网日期，不代表论文的发表时间）