基于量子计算的限制波尔兹曼机网络模型及分类算法

为进一步简化模型结构，提高模式识别性能，提出一种基于量子计算的限制波尔兹曼机网络模型（Re-stricted Boltzmann Machine Based on Quantum Computation，QRBM）。在 QRBM网络中，依据 RBM的网络结构，以量子计算为基础。首先，对数据进行量子化编码。然后，执行量子操作，生成网络的权值矩阵以简化步骤、提高计算效率。之后，确定网络层数以提高准确率，缩短执行时间。最后，实现 QRBM模型参数的更新，从而达到故障分类的目的。将该方法用于齿轮箱模式识别中，提取齿轮箱的正常、齿面磨损、齿根裂纹和断齿等振动信号的数据作为原始特征，采用 QRBM神经网络模型进行模式识别。实验结果表明，QRBM分类算法在分类准确率和执行时间上获得的效果比普通神经网络、支持向量机和 RBM网络更好，验证了本文方法的有效性和可行性。