TechShape.ru

Информационные технологии

Основные разделы

Квантовые нейронные сети в процессах обучения и управления

Сегодня, как и сто лет назад, несомненно, что мозг работает более эффективно и принципиально другим образом, чем любая вычислительная машина, созданная человеком. Именно этот факт в течение стольких лет побуждает и направляет работы ученых всего мира по созданию и исследованию искусственных нейронных сетей.

Искусственный Нейронные сети (ИНС) имеют некоторые привлекательные особенности как например параллельность распределенной обработки, ошибкоустойчивость и способность обучаться и обобщать полученные знания. Под свойством обобщения понимается способность ИНС генерировать правильные выходы для входных сигналов, которые не были учтены в процессе обучения (тренировки). Эти два свойства делают ИНС системой переработки информации, которая решает сложные многомерные задачи, непосильные другим техникам. Тем не менее ИНС также сталкиваются со многими трудностями, в том числе это отсутствие правил для детерминированных оптимальных архитектур, ограниченная вместимость памяти, занимающая много времени на обучение и т.д. [3].

Искусственные Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами:

. Богатые возможности. Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. На протяжении многих лет линейное моделирование было основным методом моделирования в большинстве областей, поскольку для него хорошо разработаны процедуры оптимизации. В задачах, где линейная аппроксимация неудовлетворительна (а таких достаточно много), линейные модели работают плохо. Кроме того, нейронные сети справляются с "проклятием размерности", которое не позволяет моделировать линейные зависимости в случае большого числа переменных

. Простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.

В сфере ИНС, некоторые первооткрыватели вводили квантовое

вычисление в аналогичное обсуждение, такое как

квантовое нейронное вычисление

, поглощенная квантовая нейронная сеть, квантовая ассоциативная память и параллельное обучение. Они сконструировали фонд для дальнейшего изучения квантового вычисления в ИНС. В ходе этого появляется область искусственных нейронных сетей, основанных на квантовых теоретических понятиях и методах. Они называются Квантовые Нейронные Сети [3].

Исследование и анализ Квантовых Нейронных Сетей, их практическое применение.

Направления работы исследования

· Выявить преимущества квантовых нейронных сетей перед классическими сетями.

· Рассмотреть примеры применения квантовых нейронных сетей в процессах интеллектуального управления.

· Провести моделирование работы квантового нейрона на классическом компьютере.

· Моделирование сети кластеризации данных в MATLAB.

· Рассмотреть конкретный пример из робототехники (робот-манипулятор).

Исходные данные

· Девятитомник по квантовым вычислениям и квантовому программированию, издание Миланского университета, автор Ульянов С.В.

· Монография Нильсона, 2006 года.

· Сайт www.qcoptimizer.com.

Исследовательская составляющая

Исследование относится к инновационным технологиям разработки квантовых нейронных сетей в области интеллектуальных систем управления с обучением. Решение перечисленных задач тесно связано с разработкой методов квантового программирования и представляет теоретический и практический интерес для процессов проектирования робастного интеллектуального управления в условиях риска и непредвиденных ситуаций управления с учетом квантовых эффектов при формировании информационного процесса самоорганизации баз знаний.

    Еще статьи

    Проектирование печатной платы устройства ИК линии связи в охранной сигнализации
    Автоматизированное проектирование (АП) - одно из направлений научно-технического прогресса в области автоматизации проектирования, к ней относится далеко не всякое применение ЭВМ. Для АП характерно систематическое использование ЭВМ для решения типовых задач проектирования при рациональном ...

    Все права защищены! 2018 - www.techshape.ru