专利交易市场

本发明公开了一种适配高维输入的量子模糊神经网络及分类方法，涉及量子计算、模糊神经网络领域及计算机视觉领域。网络输入层接收高维数据，通过量子模糊特征提取模块进行振幅编码、正反向增强型链式纠缠层、参数化量子变换与模糊集映射，输出动态维度模糊特征；通过DNN特征提取模块提取高维神经特征，以适配量子模糊特征维度；通过自适应特征融合模块，动态分配量子模糊特征与经典神经特征的权重；通过分类器对融合特征进行Softmax分类，输出类别概率。本发明可以有效提升高维数据编码效率，增强量子部分学习复杂模糊逻辑关系的能力和量子态关联稳定性，表征数据的不确定性，在减少噪声干扰的同时实现高维含不确定性图像的精准分类。

本发明公开了一种基于双相关剪枝策略神经网络的出水氨氮软测量方法，首先采用高维互信息方法提取输入特征，降低输入冗余和计算复杂度；然后，提出了一种由生长方案和剪枝方案组成的自构建策略，对模糊神经网络模型进行动态优化得到基于双相关剪枝策略神经网络SCFNN‑DCP。在模糊规则的生长阶段，利用系统误差判断准则和容纳边界准则生成模糊规则，增强网络的泛化能力。在模糊规则的修剪阶段，采用双相关准则将模糊规则从规则库中去除，以降低网络的复杂度。同时，采用动态调整方案对网络宽度进行更新。最后，采用带阶段遗忘因子的递归最小二乘算法在线估计网络权值，获得较强的预测能力。本发明能够确保水质处理过程的稳定安全运行。