论文部分内容阅读
神经网络具有非线性函数逼近能力,常用于非线性趋势预测。为_r预测旋转机组故障特征量的非线性发展趋势,提出指数加权量子神经网络。参考传统的BP(backpropagaIion)神经网络及指数平滑的预测方法,将量子计算与神经网络相结合,选择误差修正学习算法,并在神经网络输入层进行指数加权,构建三层指数加权量子神经网络。该网络具有非线性逼近能力,并且能通过指数加权系数反映近期和远期历史数据对将来预测值的不同贡献程度。在将指数加权量子神经网络应用于大型旋转机组故障特征量的非线性趋势预测时,实验结果表明该网络训练的