Inspirowane kwantowo sieci neuronowe typu Hopfielda

• Autorzy: Citko Wiesław , Sieńko Wiesław

Identyfikatory

DOI

10.15199/48.2021.02.09

Warianty tytułu

EN

Q-inspired hopfield type neural networks

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono koncepcję sieci neuronowej o zespolonych parametrach (Q-inspired). Realizacja takiej sieci wykorzystuje hermitowską macierz połączeń pomiędzy neuronami. Zaproponowano również model uczenia maszynowego zrealizowany na bazie zespolonego aproksymatora. Wykazano przydatność takiego aproksymatora w analizie sygnałów w szczególności do realizacji dyskretnej transfomacji Fouriera (DFT) oraz odwrotnej dyskretnej transformacji Fouriera (IDFT).

EN

The paper presents the concept of a neural network with complex-valued parameters (Q-inspired). Implementation of such a network uses the Hermitian matrix of connections between neurons. A machine learning model based on a complex approximator has also been proposed. The usefulness of such an approximator in signal analysis has been demonstrated especially for the implementation of discrete Fourier transform (DFT) and inverse discrete Fourier transform (IDFT).

Słowa kluczowe

PL

inteligencja obliczeniowa; uczenie maszynowe; kwantowo inspirowane sieci neuronowe; DFT

EN

artificial intelligence; machine learning; Q-inspired neural network; DFT

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2021
• Tom: R. 97, nr 2
• Strony: 36--38
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Citko Wiesław

• Uniwersytet Morski w Gdyni, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

autor

Sieńko Wiesław

• Uniwersytet Morski w Gdyni, Wydział Elektryczny, ul. Morska 81-87, 81-225 Gdynia

Bibliografia

• [1] Nquyen N.H., Behrman E.C., Benchmarking Neural for Quantum Computations, arXiv:1807. 03253v3, (2018).
• [2] Feng Q.I., Chao Chen, Qubit Neural Tree Networks with Applications in Nonlinear System Modelling, IEEE Access, vol.6, (2018).
• [3] Citko W., Sieńko W., Realizacja pamięci skojarzeniowej z zastosowaniem uczenia maszynowego, Przegląd Elektrotechniczny, nr 8, (2017), 77-80.
• [4] Citko W. Sieńko W., Zastosowaniem uczenia maszynowego do realizacji procesora analogowego, Przegląd Elektrotechniczny, nr 9, (2018), 56-58.
• [5] Citko W., Sieńko W., Realizowalność algorytmów kwantowych z zastosowaniem opartych na sieciach neuronowych modeli uczenia maszynowego, Przegląd Elektrotechniczny, nr 9, (2019),146-149.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).