量子-经典混合神经网络及其故障诊断应用
量子-经典混合神经网络及其故障诊断应用
复制标题
DOI：
10.7641/cta.2021.10881
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
崔巍
中科院分区：
文献类型：
--
作者：
窦通;周振威;刘涛;汪凯蔚;汪皓;崔巍
量子神经网络由于结合了量子计算和神经网络的优点,近年来受到了广泛的关注.然而由于目前量子计算资源受限(如量子比特数、量子逻辑门的保真度等)以及贫瘠高原现象(量子神经网络优化过程中解空间变得平坦时出现的训练困难)的存在,量子神经网络当前还难以大规模训练.针对上述问题,本文面向量子-经典混合神经网络模型提出了一种基于无监督学习的特征提取方法.所采用的无监督学习方法结合了量子自编码器和K-medoids聚类方法,可用于多层次结构的特征学习.该方法创新地利用了K-mediods方法对训练得到的量子自编码器进行聚类,以最大化量子自编码器性质的差异.进一步,本文在轴承异常检测问题上,通过实验验证了所提出的无监督特征提取方法的有效性和实用性,测试集准确率在二分类、四分类和十分类分别达到100%, 89.6%和81.6%.