量子–经典混合神经网络及其故障诊断应用
窦通1
周振威2
刘涛3
汪凯蔚2
汪皓1
崔巍1
1.华南理工大学自动化科学与工程学院,广东广州5106402.工业和信息化部电子第五研究所,广东广州5113703.鸿富锦精密电子(烟台)有限公司,山东烟台264000
摘要：量子神经网络由于结合了量子计算和神经网络的优点,近年来受到了广泛的关注.然而由于目前量子计算资源受限(如量子比特数、量子逻辑门的保真度等)以及贫瘠高原现象(量子神经网络优化过程中解空间变得平坦时出现的训练困难)的存在,量子神经网络当前还难以大规模训练.针对上述问题,本文面向量子–经典混合神经网络模型提出了一种基于无监督学习的特征提取方法.所采用的无监督学习方法结合了量子自编码器和K-medoids聚类方法,可用于多层次结构的特征学习.该方法创新地利用了K-mediods方法对训练得到的量子自编码器进行聚类,以最大化量子自编码器性质的差异.进一步,本文在轴承异常检测问题上,通过实验验证了所提出的无监督特征提取方法的有效性和实用性,测试集准确率在二分类、四分类和十分类分别达到100％,89.6％和81.6％.
关键词：量子计算变分量子算法量子自编码器无监督学习异常检测
资助基金：国家自然科学基金(61801124)国家自然科学基金(61873317)国家重点实验室开放基金(19D08)
论文发表日期：2021-11-28
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：8( 1785-1792 )
英文信息