基于量子计算多Agent的人工神经网络训练方法

• 作者: 孟祥萍 皮玉珍 赵亮
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 人工神经网络 量子学习 量子计算
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 161-163,184
• 分类号: TP183
• 字数: 3517字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.11.039

摘要

人工神经网络是可用于建模和求解各种复杂非线性现象的工具.针对传统神经网络训练时间长、节点数目受计算机能力限制等缺点,提出了一种新的多Agent系统理论(MAS)和量子算法的人工神经网络.在人工神经网络训练方法中,每个神经元或节点是一个量子Agent,通过强化学习算法后具有学习能力,然后用QCMAS强化学习算法作为新的神经网络的学习规则.这种新的人工神经网络法具有很好的并行工作能力而且训练时间比经典算法短,实验结果证明了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵亮		6	5	1.0	1.0
2	孟祥萍	长春工程学院电信学院	83	832	15.0	23.0
3	皮玉珍	长春工程学院电信学院	7	25	4.0	5.0