知识卡片
量子神经网络是模型家族
量子神经网络(QNN)是量子机制与神经网络结合的模型家族,而非一种固定架构。书中列举若干方向,量子成分所处的位置并不相同:
| 方向 | 量子成分大致在哪 |
|---|---|
| 量子联想记忆 / 量子 Hopfield | 用量子态存储或重构模式 |
| 量子竞争学习 | 学习规则引入量子机制 |
| 量子点网络 | 物理量子点随时间演化,切片当隐层,见 [[量子点网络以时间切片映射隐层]] |
| 带量子特性传递函数的传统网络 | 网络骨架仍经典,只改神经元非线性 |
比较方案时应先辨明量子态或器件承担什么计算、何处保留经典网络,以及结果如何读出;名称相同不足以推断性能优势。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 5 . 2 . 1 量 子 人 工 神 经 网 络 · 查看原书依据
QNN研究的代表人物[23-25]提出了很多论点,研究的方向大致可分为:量子联想记忆[26-28]、量子竞争学习[29]、使用量子点的神经网络[30]、具有量子特性的传递函数的传统神经网络[31]、量子Hopfield网络[32]等。
参考来源
- 位置:《智能算法导论》第 147 项《1 5 . 2 . 1 量 子 人 工 神 经 网 络》(源文件:`_epub-src/EPUB/xhtml/chapter15_0008.xhtml`)
- 结论依据:原文将 QNN 称为量子计算与神经网络的结合,并列出联想记忆、竞争学习、量子点网络、量子特性传递函数、量子 Hopfield 等方向。对照表按这些条目整理位置差异,原文没有提供共同的性能比较。
- 原始内容:研究的方向大致可分为:量子联想记忆 [ 2 6 - 2 8 ] 、量子竞争学习 [ 2 9 ] 、使用量子点的神经网络 [ 3 0 ] 、具有量子特性的传递函数的传统神经网络 [ 3 1 ] 、量子Hopfield网络 [ 3 2 ] 等。