量子神经网络

1量子神经网络2背景量子神经网络人工神经网络目录ContentsPage23背景Page31989年Penrose教授提出：解决量子测量问题是最终解决意识问题的先决条件。他认为意识产生于量子过程。4背景Page4Hameroff和Penrose提出了微管量子目标还原调谐(OrchestratedObjectiveReduction，Orch-OR）背景Page5（1）采用神经网络的连接思想来构造量子计算机，通过神经网络模型来研究量子计算中的问题；（2）在量子计算机或量子器件的基础上构造神经网络，充分利用量子计算超高速、超并行、指数级容量的特点，来改进神经网络的结构和性能；（3）在传统的计算机上的实现，这是指通过引入量子理论中的思想对传统神经网络改进，改善传统神经网络的结构和性能.（4）基于脑科学、认知科学的研究6背景Page6（1）采用神经网络的连接思想来构造量子计算机，通过神经网络模型来研究量子计算中的问题；（2）在量子计算机或量子器件的基础上构造神经网络，充分利用量子计算超高速、超并行、指数级容量的特点，来改进神经网络的结构和性能；（3）在传统的计算机上的实现，这是指通过引入量子理论中的思想对传统神经网络改进，改善传统神经网络的结构和性能.（4）基于脑科学、认知科学的研究7背景Page71943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts首先提出神经元的数学模型。1982年和1984年，物理学家Hopfield发表论文，带反馈的神经网络开始兴起。人工神经网络8背景Page81986年，多伦多大学的Hinton等人重新发现BP算法，前馈多层神经网络成为研究热门。2006年，多伦多大学的Hinton研究组提出DeepNetwork和深度学习（DeepLearning）。人工神经网络9背景Page91995年，美国的Kak教授首次提出量子神经计算的概念。同年，英国的Chrisley教授提出了量子学习的概念，并给出非叠加态的量子神经网络模型及算法。量子神经网络10背景Page102000年，Ventura在Grover的量子查询算法和纠缠神经网络的基础上介绍量子联想记忆。量子神经网络11背景Page112000年，英国Tammy等人研究了量子神经网络的结构和模型，从多宇宙的量子理论观点，提出了构建叠加的多宇宙量子神经网络模型的思想。量子神经网络12背景Page122005年，NoriakiKouda教授等人利用量子相位提出了量子比特神经网络，其工作方式与经典神经网络基本相同。量子神经网络13人工神经网络Page13基本概念人工神经网络是在对人脑认识的基础上，以数学和物理方法及从信息处理的角度对人脑生物神经网络进行抽象并建立起来的某种简化模型。14人工神经网络Page1415人工神经网络Page1516人工神经网络Page1617人工神经网络Page1718人工神经网络Page18BP神经网络Hopfield神经网络19人工神经网络Page19BP神经网络1986年由Rumelhart和McCelland为首的科研小组提出。20人工神经网络Page20BP神经网络1986年由Rumelhart和McCelland为首的科研小组提出21人工神经网络Page21信息前向传播22人工神经网络Page22误差反向传播23人工神经网络Page23误差反向传播24人工神经网络Page24Hopfield神经网络25人工神经网络Page2526人工神经网络Page26Hopfield神经网络1(1)(1)sgn(1)1,2,,niijjijiiytwxtxtytinL27量子神经网络Page27量子计算量子神经网络框架量子BP神经网络量子联想记忆模型28量子神经网络Page28量子计算数据存储与运算过程中的量子态叠加、纠缠以及干涉、坍缩等特性29量子神经网络Page29量子态叠加与纠缠30量子神经网络Page30量子态叠加与纠缠31量子神经网络Page31量子态叠加与纠缠32量子神经网络Page32量子态叠加与纠缠33量子神经网络Page33量子逻辑门旋转门34量子神经网络Page34量子逻辑门受控非门（CNOT）35量子神经网络Page35量子逻辑门阿达玛门（Hadamard）36量子神经网络Page36量子神经网络框架37量子神经网络Page37量子神经网络框架双缝干涉量子神经网络基于通用量子门演化的量子神经网络基于量子加权的量子神经网络基于量子门线路的量子神经网络量子纠缠神经网络38量子神经网络Page38量子神经网络框架双缝干涉量子神经网络基于通用量子门演化的量子神经网络基于量子加权的量子神经网络基于量子门线路的量子神经网络量子纠缠神经网络39量子神经网络Page39量子神经网络结构40量子神经网络Page40量子BP神经网络41量子神经网络Page41神经元输入移相与聚合受控旋转输出42量子神经网络Page42输入43量子神经网络Page43移相与聚合44量子神经网络Page44移相与聚合45量子神经网络Page45受控旋转46量子神经网络Page46输出47量子神经网络Page47神经网络48量子神经网络Page48误差函数49量子神经网络Page49输入层50量子神经网络Page50输入—隐含层51量子神经网络Page51隐含—输出层52量子神经网络Page52输出层53量子神经网络Page53权值调整54量子神经网络Page54步骤1、初始化各项参数；2、实数到量子态的转化：将输入的实数值转化为量子态的形式；3、计算神经元的实际输出值Y；55量子神经网络Page55步骤4、对相关参数进行调整；5、计算误差值并进行判断，当误差值EEmin。时，训练结束；否则，k自增1，跳转至3．56量子神经网络Page56量子联想记忆模型57量子神经网络Page57Hopfield神经网络的缺陷搜索速度慢容量小58量子神经网络Page58Grover算法59量子神经网络Page59Grover算法60量子神经网络Page60Grover算法61量子神经网络Page6162量子神经网络Page62Grover算法63量子神经网络Page6364量子神经网络Page64Grover算法65量子神经网络Page65Grover算法66量子神经网络Page6667量子神经网络Page67Grover算法68量子神经网络Page68Grover算法69量子神经网络Page69改进Grover算法70量子神经网络Page70改进Grover算法71量子神经网络Page71改进Grover算法72量子神经网络Page72改进Grover算法73量子神经网络Page73存储模式74量子神经网络Page74量子联想量子联想Hopfield存储需求2n+1mn存储量m=2n查找速度