《量子Qubit神經樹網路模型的最佳化研究》是依託山東師範大學，由齊峰擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：量子Qubit神經樹網路模型的最佳化研究
- 項目類別：青年科學基金項目
- 項目負責人：齊峰
- 依託單位：山東師範大學
項目摘要,結題摘要,
項目摘要
量子神經網路是量子計算和人工神經網路的結合體，相關研究結果表明它可能成為未來信息處理的重要手段。人工神經樹網路模型則是一種通過樹編碼進化算法和啟發式搜尋算法實現網路結構和參數最佳化的神經網路模型，具有網路結構自適應、參數最佳化簡單等特點。本課題以量子神經網路中研究和套用較多的量子Qubit神經網路為切入點，通過改進量子Qubit神經元，將其引入神經樹網路模型，提出一種新的量子Qubit神經樹網路模型，並對模型的構建、最佳化和實驗仿真等問題進行研究。課題預期研究目標包括三部分：(1) 改進量子Qubit神經元，給出量子Qubit神經樹網路模型的構建和描述方法；(2)提出三種改進的基於樹編碼的進化算法，實現所提模型的結構最佳化； (3) 研究並搭建所提模型的仿真實驗平台，對相關研究內容進行驗證和分析。
結題摘要
本課題以量子Qubit神經樹網路模型為研究對象，分別在模型的構建和描述、結構最佳化、參數最佳化以及仿真實驗等方面開展了相關的研究工作。其中，在模型構建和描述方面，解決了量子Qubit神經元改進、模型構建規則和模型描述等問題；在結構最佳化方面，設計並實現了四種結構最佳化算法：基於積木塊庫的改進遺傳規划算法、基於樹編碼的粒子群最佳化算法、基於層次可變機率向量的PIPE算法和改進的基因表達式編程算法；在參數最佳化方面，解決了模型待最佳化參數的編碼問題並引入了兩種新的參數最佳化算法：差分進化算法和天牛須搜尋算法；在仿真實驗方面，完成了仿真實驗平台的功能模組構建並自主設計和開發了基於控制台應用程式和windows應用程式的仿真軟體。同時，還在深度學習中的卷積神經網路以及膜計算中的神經膜系統等方面開展了部分相關的研究工作。綜上所述，本研究為量子Qubit神經樹網路的理論和套用研究奠定了堅實的基礎，同時在深度學習及膜計算等領域的初步探索為後續神經網路研究的轉型提供了必要的條件。項目資助發表SCI論文6篇，EI論文10篇，中文核心論文1篇。培養碩士生4人，其中2人已經取得碩士學位，2人在讀。項目投入經費20萬，支出14.667萬，各項支出基本與預算相符。剩餘經費5.333萬，剩餘經費計畫用於本項目研究後續支出。
