一种基于LM的量子神经网络训练算法

• 作者: 张翼鹏 郝欢 陈亮
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 量子神经网络 Levenberg-Marquardt算法 最速下降 量子间隔
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 221-224
• 页数: 4页
• 分类号: TP183
• 字数: 5239字
• 语种: 中文

摘要

针对量子神经网络的训练结果易陷入局部极小值的问题,将Levenberg-Marquardt (LM)算法引入到原训练算法中,从而提高网络收敛速度与训练效果.并通过改进原训练算法的速代步骤,解决训练过程中网络权值与量子间隔不同的目标函数相互冲突引起的输出均方误差和波动的问题.实验结果表明,相比原训练算法,引入LM后的训练算法可以大幅减少迭代次数,显著降低网络收敛值,提高量子神经网络的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	解放军理工大学通信工程学院	61	411	12.0	17.0
2	张翼鹏	解放军理工大学通信工程学院	5	40	5.0	5.0
3	郝欢	解放军理工大学通信工程学院	11	75	6.0	8.0