论文部分内容阅读
提出一种量子自组织特征映射网络模型及聚类算法。量子神经元的输入和权值均为量子比特，输出为实数，量子自组织特征映射网络由输入层和竞争层组成。首先将聚类样本转换成量子态形式并提交给输入层，完成聚类样本的输入；然后计算样本量子态与相应权值量子态的相似系数，提取聚类样本所隐含的模式特征，并对其进行自组织，在竞争层将聚类结果表现出来。采用量子门更新量子权值，分无监督和有监督两个阶段完成网络的训练。仿真实验结果表明该模型及算法明显优于普通自组织特征映射网络。