首页期刊导航|控制理论与应用
期刊信息/Journal information
控制理论与应用
华南理工大学 中国科学院数学与系统科学研究院
控制理论与应用

华南理工大学 中国科学院数学与系统科学研究院

胡跃明

月刊

1000-8152

aukzllyy@scut.edu.cn

020-87111464

510640

广州市五山华南理工大学内

控制理论与应用/Journal Control Theory & ApplicationsCSCD北大核心CSTPCDEI
查看更多>>本刊是经教育部批准，由华南理工大学和中国科学院系统科学研究所联合主办的全国性一级学术刊物。1984年创刊，1999年开始改为A4开本。国内外公开发行。《控制理论与应用》主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中，特别是高科技领域中的应用研究成果，内容包括：1.集中参数控制系统；2.线性与非线性控制系统；3.分布参数控制系统；4.随机控制系统；5.离散事件系统；6.大系统理论；7.混合系统；8.系统辨识与建模；9.自适应控制；10.鲁棒控制；11.智能控制；12.优化与控制算法；13.先进控制理论在实际系统中的应用；14.系统控制科学中的其它重要问题。
正式出版
收录年代

    最简结构神经网络的量子态估计及其性能对比

    丛爽李友志
    2401-2407页
    查看更多>>摘要：本文提出并设计两种具有最简结构的前向神经网络，来高精度实现对量子态密度矩阵的估计。训练出具有函数逼近功能的反向传播(BP)神经网络和径向基函数(RBF)网络进行量子密度矩阵估计的应用。根据量子态密度矩阵与量子系统实验装置的输出测量值之间的关系，建立并构造出训练神经网络的输入/输出样本对;通过对网络的归一化处理，获得满足量子密度矩阵条件的网络输出。分别对2量子位的本征态、叠加态和混合态的估计设计和训练出不同网络，并在给定的性能指标下，与采用深度学习算法的具有两个隐含层的宽度网络(WNN)的量子密度矩阵估计性能进行对比分析。在此基础上，采用RBF神经网络对高量子位密度矩阵进行估计实验。分别在最少隐含层节点数、最少训练样本数、最短训练时间，以及对非样本输入数据的泛化能力方面，通过仿真实验对所设计网络的量子密度矩阵估计的优越性能进行对比研究。

    神经网络量子态估计结构优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据