多宇宙并行量子遗传神经网络人脸识别算法研究

论文摘要

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.

论文目录

• 1 多宇宙并行量子遗传算法
•   1.1 量子编码
•   1.2 量子旋门调整策略
•   1.3 多宇宙间的移民策略和量子交叉
• 2 并行量子遗传神经网络算法研究
•   2.1 并行量子遗传神经网络算法框架设计
•   2.2 VGG卷积神经网络的配置
•   2.3 量子遗传算法优化的卷积神经网络算法
• 3 对比实验与测试
• 4 结语

文章来源

类型: 期刊论文

作者: 李海朋,李晶皎,金硕巍,杨丹

关键词: 多核并行,量子计算,遗传算法,神经网络

来源: 东北大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 物理学,计算机软件及计算机应用,自动化技术

单位: 东北大学信息科学与工程学院

基金: 国家自然科学基金青年基金资助项目(51607029)

分类号: TP391.41;TP18;O413.1

页码: 614-618

总页数: 5

文件大小: 1090K

下载量: 278