基于量子神经网络的马铃薯早疫病诊断模型

摘要：

针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5％.

关键词：马铃薯早疫病、智能诊断、量子计算、神经网络

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60473051;黑龙江省农垦总局科技攻关资助项目HNKXIV-09-04b、HNK10A-07-02

在线出版日期：2012-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：174-178,183