量子神经网络(Quantum Neural Network, QNN)是量子计算和神经网络理论相结合产生的新的计算模型,是当今新兴的前沿交叉学科之一.量子神经网络将量子计算的基本概念和原理引入到神经网络模型中,对传统神经网络模型进行量子化改造,从而增强神经网络的性能和速度,为神经网络的进一步发展提出了新的思路.本文详尽地阐述了传统人工神经网络模型以及相关量子计算理论中的基本概念,在此基础上,着重对量子神经元和量子神经网络模型进行了研究,在已有的基础上给出了一种改进的量子神经元模型,并与传统神经网络的BP算法相类比,给出了基于梯度下降法的量子神经网络学习算法.论文的主要工作如下：(1)将量子计算的基本概念和原理应用到神经网络中,对比于传统的人工神经元模型提出了一种基于量子态的叠加、转换和坍塌等原理的改进的量子神经元的模型,这一模型使用量子叠加态对输入数据进行聚合和处理,利用量子旋转门进行状态更新,并使用基于量子态坍塌的原理使得量子神经元输出实数值变量,比原有的量子神经元模型更加完善.(2)以改进的量子神经元为基础,结合经典前馈人工神经网络的BP算法,构建了一个改进的量子神经网络的模型,并给出该模型基于最速下降法的学习过程的详细推导.将改进的量子神经网络模型应用到PID控制器中,构建基于量子神经网络的PID控制系统.(3)提出了一种基于量子神经网络PID参数的调整算法,并给出了原理和算法步骤.最后利用MATLAB对量子神经网络PID控制系统进行仿真,实验结果显示量子神经网络具有很强的自整定,自适应功能.