Модель квантовой нейросети на основе многоуровневой функции активации

Аннотация: В данной статье предложена модель квантовой нейронной сети на основе многоуровневой функции активации., которая имеет высокую производительность. Данная производительность достигается за счёт комбинирования таких уникальных составляющих, как: вектор квантовых весов, значения квантовой активности и оператор скалярного произведения. Кроме того, представлены алгоритмы обучения весовых параметров и квантовых интервалов, в частности, усовершенствован алгоритм Левенберга-Марквардта для повышения качества функционирования метода обратного распространения ошибки в процессе обучения весовых параметров, что также позволит снизить вероятность возникновения квантовых ошибок.

Ключевые слова: искусственная нейронная сеть, квантовая нейронная сеть, модель квантового нейрона, многоуровневая функция активации, алгоритм Левенберга-Марквардта, метод обратного распространения ошибки.

S.M. Gushansky, V.E. Buglov

Model of a quantum neural network based on a multilevel activation function

Summary: This article proposes a model of a quantum neural network based on a multilevel activation function, which has high performance. This performance is achieved by combining such unique components as: the quantum weight vector, quantum activity values and the dot product operator. In addition, algorithms for learning weight parameters and quantum intervals are presented, in particular, the Levenberg-Marquardt algorithm is improved to improve the quality of the error back propagation method in the process of learning weight parameters, which will also reduce the likelihood of quantum errors.

Keywords: artificial neural network, quantum neural network, quantum neuron model, multilevel activation function, Levenberg-Marquardt algorithm, backpropagation method.

DOI:10.34219/2078-8320-2022–13-2-44-48