- Tytuł:
-
Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 1 – Kwantowy algorytm ewolucyjny
Possibility of quantum computer to improve accuracy of modeling. Part 2. Quantum evolutionary algorithm - Autorzy:
- Tchórzewski, J.
- Powiązania:
- https://bibliotekanauki.pl/articles/376693.pdf
- Data publikacji:
- 2016
- Wydawca:
- Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
- Tematy:
-
algorytmy ewolucyjne
informatyka kwantowa
modelowanie systemów
sztuczne sieci neuronowe
środowisko MATLABA i Simulinka - Opis:
-
W pracy zamieszczono wybrane wyniki badania wykorzystania informatyki kwantowej
do zwiększenia stopnia dokładności algorytmów ewolucyjnych poprawiających
parametry modeli neuronalnych systemów, co zostało zweryfikowane na wybranych
przykładach takich systemów jak m.in. ruch robota PR-02. W modelowaniu neuronalnym
wykorzystuje się sztuczne sieci neuronowe, które projektuje się, a następnie uczy
modeli systemów na bazie danych liczbowych. Parametry sztucznych sieci neuronowych,
a zwłaszcza elementy macierzy wag, biasów i parametry funkcji aktywacji można
poprawiać za pomocą algorytmów ewolucyjnych. Okazuje się, że wprowadzenie rozwiązań
z zakresu informatyki kwantowej do algorytmów ewolucyjnych, a zwłaszcza
dotyczących tworzenia kwantowej populacji początkowej, kwantowych operatorów
krzyżowania i mutacji oraz kwantowej selekcji znacznie poprawia dokładność paramentów
modeli neuronalnych, co zostało zweryfikowane w środowisku MATLABA i Simulinka.
The paper presents selected results of the use of quantum computing to increase the degree of accuracy of evolutionary algorithms to improve the performance of models of neuronal movement of the end of the robot arm PR-02. For modeling, neural used SSN, which are designed and taught system models based on figures. ANN parameters, especially the elements of the matrix weights, biases, and the parameters of the activation function can be improved by using evolutionary algorithms. It turns out that the introduction of solutions in the field of quantum computing to evolutionary algorithms, especially for the creation of quantum initial population, quantum operators crossover and mutation, and quantum selection greatly improves the accuracy of modeling, as has been verified in the environment MATLAB and Simulink. - Źródło:
-
Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 88; 133-141
1897-0737 - Pojawia się w:
- Poznan University of Technology Academic Journals. Electrical Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł