论文部分内容阅读
量子神经网络(QNN)是量子计算与人工神经网络相结合的产物,由于利用了量子并行计算和量子纠缠等特性,从而克服了传统人工神经网络的某些固有缺陷,将很有可能成为未来信息处理的重要手段。
本文首先研究了量子跃迁神经网络、量子衍生神经网络、量子联想记忆、量子纠缠神经网络等几种主要的量子神经网络模型,分析了模型的结构及特性,重点研究了量子跃迁神经网络模型,并提出了基于该量子跃迁神经网络的汉语数字语音识别算法,设计了基于量子跃迁神经网络的语音识别系统。实验结果表明,量子能级数和隐层量子神经元个数对语音识别系统训练速度和识别率有较大影响,当量子能级数为10,隐层量子神经元个数为40时,识别率能达到99%,优于BP神经网络和RBF神经网络。
本文中所有数据的采集均来自于实验室环境。实验结果证明了无论在识别率还是在可靠性方面,量子跃迁神经网络总优于人工神经网络,同时也证明了量子跃迁神经网络解决语音识别问题有着很大的优越性和应用潜力。