基于Tanh多层函数的量子神经网络算法及其应用的研究
罗鹏
李会方
1.西北工业大学电子信息学院 西安7101292.西北工业大学电子信息学院 西安710129
摘要：该文提出一种新的改进激励函数的量子神经网络模型.首先为了提高学习速率,在网络权值训练过程中引入了动量项.然后为了有效实现相邻类之间具有覆盖和不确定边界的分类问题,新网络采用区分度更大的双曲正切函数的叠加作为其隐层激励函数.最后将该算法用于字符识别,将双曲正切激励函数的量子神经网络应用于数字、字母和汉字样本的多次实验,并且与原多层激励函数量子神经网络和BP网络的实验效果进行比较,发现改进后量子神经网络不仅具有较高的识别率,而且在样本训练次数上相对原多层激励函数量子神经网络有明显减少.仿真结果证明该方法的优越性.
关键词：量子神经网络多层激励函数双曲正切函数字符识别
分类号：TP183(自动化基础理论)
资助基金：航空科学基金项目(2007ZC53032)
论文发表日期：2012-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 4-6,39 )
英文信息