基于量子模糊神经网络量子认知图的构建

《基于量子模糊神经网络量子认知图的构建》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要由于量子信号处理具有并行化的特性，因此成为了量子计算在信号处理领域中新兴的处理思路。现阶段科研工作者不断的分析量子信息学和量子计算理论中的概念和原理，一方面寻找新的交叉模型，另一方面将这些新兴的模型应用到具体的工作和实际中去，使得量子信号处理的应用领域更加广泛。在认知图的模型中，概念间的因果关系要么局限于确定性的表示，要么局限于定性的概率表示，而且，由于专家知识表达的主观性以及问题的复杂性，有较大可能造成系统建模不合理，所以对多专家知识使用方法进行分析，在模糊认知图（FuzzyCognitiveMap，FCM）中引入量子态叠加的概念对模型进行改进

2、，提出量子认知图(QuantumCognitiveMap，QCM)模型，用于分析概念间的因果关系影响程度，并给出数学度量。本文重点研究了量子认知图的构建方法与训练算法，其主要的创新点如下：1、引入概率的概率幅（量子态）的概念构造量子概念元（QuantumConcept，QC）模型。量子概念元模型不但可以保存概念节点中所有的状态，而且其态叠加的表达方式使得直接以数值形式计算量子概念元之间的因果影响程度成为可能。2、将量子概念元替换模糊认知图中的概念节点，构造一种新的模糊认知图模型——量子认知图模型。在QCM模型中，用互函数（MutualSubsethood

3、）数值度量概念间的因果关系的影响程度，减少对专家知识的过度依赖，使模型中概念节点的因果关系描述更加准确。3、量子模糊神经网络（QuantumFuzzyNeuralNetwork，QFNN）模型的节点与量子概念元模型非常相似，将QFNN的训练算法映射到QCM推理算法中。QCM的推理过程主要包括调整模糊事件之间因果关系影响的概率和动态更新QFNN的连接权重，这样QCM模型可以综合的分析因果推理过程。量子认知图模型在继承了FCM优点的同时，还自然扩展了FCM因果影响程度模拟关系的能力，增强了认知图（CognitiveMap,CM）的语义信息和模拟能力。这个模型

4、可以保存更多的系统信息，增强认知图系统的知识表达和推理的能力。这样，可以使用很少的专家参与构造模型，减少对专业知识的过度依赖，最大程度降低专家知识的不准确性和不客观性对系统的影响。关键词：量子神经元量子模糊神经网络模糊认知图量子概念元量子认知图IAbstractABSTRACTQuantumsignalprocessingbecomestheemergingprocessingmethodinthesignalprocessingfield,becauseofitsparallelizationcharacteristics.Themajorobject

5、iveofmyarticleisfindingnewmodelforsignalprocessinganalysisbasedontheanalysisandthebasicprincipleofquantuminformationprocessing.ForcausalrelationshipsbetweentheconceptsofFCMareeitherrestrictedcertaintyorlimitedtothequalitativeprobabilityhascertaindrawbacksincomplexcausalsystems;Me

6、anwhile,theestablishmentofFCMinvolvingmorethanoneexpert,everyexperthashisindividualknowledgeandlimitations.Wecannotfullyusethecompetitive,redundantorcomplementaryoftheexpertknowledgetomaketheavailabledecision.Therefore,weproposetheQuantumCognitiveMap(QCM)byextendingconceptsofunco

7、nventionalFCMtothequantumcomputation.Thisarticlefocusesontheconstructionofquantumcognitivemapwithtraining,andwehavecompletedthefollowingworks:Firstly,weproposetheQuantumConceptasthebasicprocessingunitofQCM,whichisrepresentedbythesuperpositionofthestates.Inthisway,wecannotonlyobta

8、inthemulti-statedescriptionusingQ-bitspr