网络可靠性预测模型.pdf

第24卷第21期
电子设计工程
2016年11月
Vol 24
No.21
Electronic Design Engineering
网络可性预测馍型
贾花萍,孙卫喜
(渭南师范学院网络安全与信息化学院,西渭南714099)
摘要:网络可靠性作为系統安全的最基于要求之一,是所有网络信息系統的建设和运行目标。针对米用BP神经网络
对网络可靠性建立预模型,其算法存在收敛速度、网络泛化能力差,影响预測精度等缺点。提出采用量子神经网
络算法进行网络可靠性预測媫模。通过对测数据进行建模仿真,结果表明,该预測方法较BP神经网络而言,在误
差精度,训练次数等方面优于传统神经网終,同时能避免陷入局部极小的缺点,达到了很好的预测效果。
关键词:网絡;量子计算;可靠性;预测
中图分类号:'TN91
文献标识码:A
文章编号:1674-62362016)21-(0021-03
Network reliability prediction model
JIA Hua-ping, SUN Wci-xi
(College of Netuork Security and nformation Yechnology, Weinan Normal lniversity, Weinan 714099, China)
Abstract: etwork reliability is one of the most basic requirements of system security, and it is the goal of the construction
and operation of all network information systems. In view of the BP neural network to establish the network reliability
prediction model, the algorithm has the shortcomings of slow convergence speed, poor network generalization ability, and
impact prediction accuracy. The quantum neural network algorithm is proposed to model the network reliability prediction
Through the modeling and Simulation of the test data. The results show that the prediction method is compared with that of RP
neural network, the error preeision, the training times and is superior to the traditional neural network, also can avoid falling
into local minimum points, to reach a good prediction effect
Key words: Network: quantum computing: reliability; prediction
Benio1和 Feynman[日于1982年提出量子计算概念,能成为未来信息处理的重要手段和神经网络的另一分支。
ak教授1995年发表的“ On Quantum Neural Computin
量子神经网络与神经网络相比,主要区别在于隐含层是
文章中将量子理论与神经计算相结合,提出量子神经计算的用量子叠加原理,采用叠加激励函数来构造隐含层神经元
概念,使得量子神经网络受到了广泛的关注。同年 Chrisley其输入层和输出层神经元与神经网络相似,训练算法仍采用
提出了量子学习的概念以及非叠加疮的量子神经刚络模型。梯度下降法。在训练过程中,对神经元的连接权值及隐含层
998年 Venneer在" Ouantum Artificial Neural Nelworks"的博神经元的量子间隔进行更新,如果隐含层神经元是出多个激
士论文中探讨了将量子计算引入人工神经网络,并且证实量励函数的叠加构造而成,可以提高模式识别的准确性。其中,
子神经网络在分类方闸要比传统神经网络更加有效。而且不隐含层节点的输出函数为
存在收敛速度慢、易陷于局部极小的缺点。有家学者已经
将量子神经网络应用到电网故障诊断、心电图识别?、指纹
b=∑(WX-例
识别技术阳等领城并取得了很好的研究成果。
n是量子间隔数目,,是量子间隔,B为陡度因子
量子神经网络
其量子间隔更新算法为
隐含层第i个神经元的输出变量是
量子神经?络ド是将人工神经网络与量子计算相结合的
个新研究颂域,被认为是神经计算系统演化发展的方向。由
于利用了量子并行计算、非线性、非局部特性、量子纠缠等特
m为模式分类数目,C是模式类矢量,输入矢量为X
性,从而克服了传统人工神经网络的某些固有缺陷,将很有可时,隐含层第立个神经元的输出是のO:m。の是
收稿日期:2016-03-2
稿件编号:201603277
基金项目:映西省自然科学基础研究计划项目(2014JMI026);涓南师范学院重点教政项日(JG201511);南师范学院校級特色
学科建设项目(14 IISXK02)
作者简介:贾花萍(1979-),女,西富平人,硕士,副教授。研究方向:神经网络,脑信息处理。
万方数据