凌曄華+鄭鑫

摘 要： 傳統(tǒng)的量子神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法容易使得算法陷入局部極小值，將Artificial Bee Colony（ABC）算法引入到原訓(xùn)練算法中，并且對(duì)人工蜂群算法進(jìn)行改進(jìn)。利用改進(jìn)后的人工蜂群算法來優(yōu)化傳統(tǒng)量子神經(jīng)網(wǎng)絡(luò)，使優(yōu)化后的量子神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、參數(shù)少、收斂速度快和可跳出局部極小值等優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，相比原訓(xùn)練算法該優(yōu)化算法提高了量子神經(jīng)網(wǎng)絡(luò)收斂解的精度。

關(guān)鍵詞： 量子神經(jīng)網(wǎng)絡(luò)； 人工蜂群算法； 自適應(yīng)； 最優(yōu)

中圖分類號(hào)：TP391.4

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-2163（2017）02-0034-04