基于自适应网络的量子模糊推理系统

摘要

基于ANFIS与量子BP神经网络(QBP)提出了一种基于自适应网络的量子模糊推理系统(ANQFIS)。不同于ANFIS,ANQFIS以量子门旋转的方式将模糊规则强度与QBP相结合，最后以量子态的测量概率作为输出，QBP的加入使得模型的输出准确率更高，且凭借量子计算的速度优越性提升了模型的计算速度。根据梯度下降法，给出了该系统中参数的学习算法。在仿真实验中，分别使用低维数据和高维数据作为数据集来训练模型，使用攻击算法生成对抗样本进行测试，结果表明ANQFIS在输出准确率、鲁棒性方面优于ANFIS与QBP。

关键词

量子神经网络 / 模糊神经网络 / 量子机器学习 / 量子计算 / 量子模糊机器学习

基金资助

国家自然科学基金(62076042,62102049); 四川省自然科学基金(2022NSFSC0535); 四川省科技厅重点研发项目(2021YFSY0012,2021YFG0332); 四川省量子安全通信创新团队项目(17TD0009)