排序方式: 共有82条查询结果,搜索用时 15 毫秒
71.
一种量子竞争学习算法 总被引:3,自引:2,他引:3
量子计算(Quantum Computation)以其独特的性能引起广泛瞩目。本文尝试将量子计算与传统的神经计算结合起来,通过设计若干个量子算子来构造Hamming神经网络的量子对照物,从而提出一种量子竞争学习算法(Quantum Competitive Learning Algorithm,QCLA),它能够实现模式分类和联想记忆。 相似文献
72.
通过采样保持电路中运放的复用,提出了一种具有高线性度MOS采样开关的模数转换器前端采样保持电路结构。这种结构可以显著降低采样开关导通电阻变化引入的非线性,从而在不增加开关面积和功耗的情况下,实现了高性能的采样保持电路。基于0.13?m的标准CMOS工艺,对提出的采样保持电路进行了仿真。在采样时钟频率为100MHz,输入信号频率1MHz时,仿真结果显示,无杂散动态范围(SFDR)达到了116.6dB,总谐波失真(THD)达到了112.7dB,信号谐波噪声比(SNDR)达到103.7dB,可以满足14比特流水线ADC对采样保持电路的要求。 相似文献
73.
布局是VLSI布图设计中的关键环节,通常采用随机优化算法。该文采用遗传算法(GA)与模拟退火法(SA)相结合的搜索算法实现VLSI门阵列模式布局,利用遗传算法进行全局搜索,模拟退火法进行局部搜索。进化过程中采用精英保留策略,并对进化结果进行有选择的模拟退火操作,这样既加强了局部搜索能力又防止陷入局部最优。在复合布局目标函数中引入对最长线网的惩罚,其收敛速度比以总线长度为单一目标函数的要快。在交叉操作中,对交叉位置的选择采用了一种新的策略,增加了交叉的有效性。实验表明,此算法与简单遗传算法相比,有效地提高了全局搜索能力。 相似文献
74.
75.
76.
本文利用量子理论中的双缝干涉实验(Double-slit Interference Experiment)构造了一种全新的量子神经网络(Quantum Neural Network,QNN)模型.通过理论分析,推导出该模型的动力学表达式,并给出相应的训练算法.仿真实验表明,该模型具有学习布尔逻辑函数的功能,特别是两层网络结构能够实现类似异或(XOR)逻辑的学习,体现出了量子计算对传统神经网络的优越性.本文的研究为探索神经网络与量子计算的结合提供了一个新的途径. 相似文献
77.
量子神经计算和量子遗传算法的理论分析和应用 总被引:3,自引:0,他引:3
经过比较研究发现,在量子计算与神经网络和遗传算法之间,不论在计算思想上还是模型表达上,都存在着许多相似之处,这些相似性启发人们去研究基于量子理论的神经网络和遗传算法模型,一方面探索神经网络和遗传算法在量子系统上的实现方法,另一方面研究量子理论启发下的新的神经网络与遗传算法模型。本文总结了本课题组近年来在量子计算与神经网络和遗传算法相结合领域的研究工作,包括量子系统实现神经计算的理论分析,量子神经网络物理模型的研究,基于量子概率表达的量子遗传算法及其应用研究等,并对今后的发展提出了展望。 相似文献
78.
79.
80.