

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、我們在認識和改造這個世界時,總有一些我們所無法具體描述的事物。而系統(tǒng)辨識則是能幫助我們根據測量信號來確定系統(tǒng)模型,能讓我們更好的分析事物的本質特性,系統(tǒng)辨識是聯(lián)系現實事物與數學模型的重要紐帶。
隨著科技的進步,火電廠自動化程度越來越高,大容量、大機組、高參數的火電機組不斷投產運行。因此對過程控制的品質也要求更高,被控對象的特性是來確定被控對象的控制參數和設計系統(tǒng)合理性的重要基礎之一。
量子神經網絡作為一門非常
2、嶄新的前沿理論知識,綜合了量子計算知識和人工神經網絡兩者的優(yōu)點。量子神經網絡作為算法時,引用了量子計算中的量子態(tài)的疊加、糾纏、干涉等量子計算的物理特性,克服因為傳統(tǒng)神經網絡的一些固有缺點所導致的達不到學習目的。
本文通過對比學習傳統(tǒng)神經網絡算法,加入了量子計算理論知識提出了量子神經網絡這一新型的學習算法。量子計算和神經計算結合的根本點是神經元可以用波函數來表達,提出了解決量子計算的物理線性特性在映射成非線性系統(tǒng)的三種方法。
3、比較細致的概括了量子神經網絡這一新型算法的優(yōu)勢:存儲空間大、運算速度快、構成網絡學習的拓撲結構簡單、有消除神經網絡學習失憶的潛質等等。并且給出了量子計算與經典神經網絡的模型結合形式。包括量子BP神經網絡、量子加權神經網絡、量子自組織神經網絡,在研究這些模型的基礎上提出了三層量子神經網絡模型。應用網絡的學習方法進行建模和仿真驗證,通過函數逼近驗證QNN的學習誤差、迭代步數都比CBP要好很多。收斂率也比傳統(tǒng)神經網絡好。
量子神
4、經網絡模型與傳統(tǒng)的神經網絡模型在結構上是相同的,學習模式也是相同的。提出的改進地方是:本文提出的量子神經網絡的輸入是量子比特神經元,其表達方式是實部加虛部的復數表達式,這個輸入的表達正好是符合量子計算的物理特性中的并行性。對于量子BP神經網絡模型的建立首先是建立了一元量子比特神經網絡模型,經過仿真實驗驗證了一元量子神經網絡模型可以實現傳統(tǒng)神經網絡無法實現的異或問題。通過在一元量子神經網絡的結構基礎上建立多元量子神經網絡模型,在三層神經網
5、絡模型中輸出層的權值和閾值進行非線性變換,增強了模型的非線性的學習能力。
在深入研究量子神經網絡模型的建立這一基礎上,依據實際運行參數以典型熱工過程控制為研究對象,對模型進行了驗證和泛化。以對火電廠實際運行進行更好的控制作為目標,主要采用量子神經網絡辨識被控對象。先針對理論對象多輸入多輸出模型進行辨識對比發(fā)現量子神經網絡計算模型算法能降低誤差。將這一算法運用到實際的熱工過程中。在應用某電廠的負荷變化的辨識中結果同樣是優(yōu)越的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的系統(tǒng)辨識方法研究.pdf
- 量子神經網絡模型研究.pdf
- 基于神經網絡的系統(tǒng)辨識與控制方法的研究.pdf
- 基于神經網絡的異步電機定子電阻辨識方法研究.pdf
- 量子神經網絡模型及其算法研究.pdf
- 量子神經網絡及其應用研究.pdf
- 面向辨識與回歸的模塊化神經網絡方法研究.pdf
- 基于神經網絡的木材干燥模型辨識研究.pdf
- 基于BP神經網絡的中醫(yī)體質辨識研究.pdf
- 基于神經網絡系統(tǒng)參數辨識的自適應控制方法研究.pdf
- 直燃機靜態(tài)模型的人工神經網絡辨識方法研究.pdf
- 基于神經網絡的系統(tǒng)辨識與控制.pdf
- 基于神經網絡的熱工過程辨識研究.pdf
- 基于神經網絡模型辨識的水質預測模型研究.pdf
- 基于神經網絡的磁懸浮軸承系統(tǒng)辨識研究.pdf
- 基于量子神經網絡的航跡保持控制.pdf
- 神經網絡辨識及自適應逆控制研究.pdf
- 基于小波神經網絡的非線性時變系統(tǒng)辨識方法.pdf
- 量子神經網絡模型結構與算法的研究.pdf
- 基于Elman神經網絡的換熱器系統(tǒng)動態(tài)辨識.pdf
評論
0/150
提交評論