论文研究量子门线路神经网络及其改进学习算法研究.pdf

量子门线路神经网络（QGCNN）是一种直接利用量子理论设计神经网络拓扑结构或训练算法的量子神经网络模型。动量更新是在神经网络的权值更新中加入动量，在改变权值向量的同时提供一个特定的惯量，从而避免权值向量在网络训练过程中持续振荡。在基本的量子门线路神经网络的学习算法中引入动量更新原理，提出了一种具有动量更新的量子门线路网络算法（QGCMA）。研究表明，QGCMA保持了网络100%的收敛率，同时，相对于基本算法，在具有相同学习速率的情况下，提高了网络的收敛速度。