量子小波神经网络及其在漏钢预报中的应用

• 作者: 彭力 杨琴
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 量子小波神经网络 模式识别 多层小波激励函数 漏钢预报
• 年，卷（期）: 2008,（15）
• 所属期刊栏目: 工程与应用
• 页码范围: 242-245,248
• 页数: 5页
• 分类号: TP183
• 字数: 4007字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.15.075

摘要

针对传统神经网络收敛速度慢,收敛精度低,以及用于模式识别泛化能力差的问题.提出了将量子神经网络与小波理论相结合的量子小波神经网络模型.该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,称之为多层小波激励函数,这样隐层神经元既能表示更多的状态和量级,又能提高网络收敛精度和速度.给出了网络学习算法.并以之在漏钢预报波形识别中的应用验证了该模型和学习算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭力	江南大学通信与控制工程学院	148	814	15.0	21.0
2	杨琴	江南大学通信与控制工程学院	6	20	4.0	4.0