论文部分内容阅读
本文利用量子神经网络(QNN)较好的分类效果将其应用到变压器故障诊断中,宏观上收集数据信息,微观上通过修正量子间隔按一定的比例将模糊交叉的数据分配给所有相关联的类别,提高模式识别的准确性;与此同时,将粗糙集(RS)理论与QNN相结合,通过RS约简去除冗余的属性、规则,提高量子神经网络的速率,并通过实例验证了该算法的有效性。