基于BP神经网络的测量设备无关协议参数预测

摘要

针对传统参数优化方法计算开销大，不能满足实时性要求高、计算量大等应用场景的问题，结合当今主流的机器学习方法，提出了一种改进的基于BP神经网络的参数优化方法，利用本地搜索算法的数据训练网络并对参数进行预测，替代传统的查找算法，从而获得更好的实时性和更低的计算复杂度，随后与基于随机森林和XGBoost的方法进行了比较。仿真结果表明，BP神经网络预测所得各参数的均方误差数量级为10^-6或更小，由该参数计算所得密钥生成率与最优密钥生成率比值的均值为0.998 8，且该应用中BP神经网络相对随机森林和XGBoost具有更好的预测性能。

关键词

量子光学 / 量子密钥分发 / BP神经网络 / 参数优化 / 测量设备无关