量子神经动力学分析

量子计算与神经计算的结合是当前人工神经网络理论发展的一个前沿课题,由此而产生的量子神经计算范式具有很高的理论价值,我们在量子理论基本原理的基础上讨论了把量子理论引入神经计算领域的可能性和可行性,并详细分析量子神经的动力学行为,为以后建立量子神经网络和研究量子神经网络的学习算法打下了坚实的理论基础.最后简单讨论了一些与量子神经计算有关的其它问题.     

量子逻辑门核磁共振实验的仿真实现

利用核磁共振(NMR)实验技术来实现量子计算，是当前各种验证量子算法最为有效的方法之一。对如何设计核磁共振(NMR)脉冲序列来实现各种量子逻辑门，如量子控非门、toffoli门等进行了研究。并在量子仿真器(QCE)上进行实验验证。     

量子纠缠联想记忆

提出一种基于量子纠缠的联想记忆神经网络(QuEAM).对比传统的联想记忆网络,QuEAM的存储容量得到了指数级的增大.学习算法是根据纠缠量度的性质,采用Grover量子迭代算法的基本原理局域放大量子位(qubit)的概率振幅,相当于传统计算机的按位操作,讨论了这个学习算法下的量子基本原理.最后给出具体的例子说明了算法的有效性.     

入侵检测中的混合特征选择算法研究

在开放式网络中,高维混合特征的冗余或不相容属性会降低网络入侵检测的效率.为提高入侵检测系统的响应性能,提出一种混合特征选择方法,利用粗糙集形式化描述入侵检测的特征选择,采用信息熵和平均权重分别定义数值型和字符型特征的重要度.算法产生降序特征序列,采用K-means聚类算法评估出优化特征子集.在KDD CUP99数据集上的仿真实验表明,算法有效选择特征子集并缩短了检测时间.     

VB.NET串行技术的应用与实现

探讨了微软．NET框架中的串行技术，介绍．NET内置串行化机制的强大功能和灵活性，讨论使用串行的原因以及在应用程序中的使用技巧。     

极化激元系统时间演化的量子涨落特性和非经典统计行为

将极化激元系统约化成模型单模光子-TO声子有效相互作用系统， 在此基础上以解析形式讨论了系统的力学量、压缩态、量子涨落特性以及亚泊松分布等非经典效应的动力学演化行为.结果表明，光子场与极化波量子场彼此交换能量过程随时间演化呈振荡性质，光子场和声子场都可以演化成压缩态，其二阶压缩度随时间演化成复杂周期振荡特性，这种非经典特性是非线性相互作用的结果并且以k₁项和k₂项同时存在并相互关联为前提.而此时光子和声子统计分布随时间演化呈现介于超Poison分布和亚Poison分布之间复杂周期振荡的新结果，非线性作用k₁项和k₂项对这种非经典统计行为都有贡献. 关键词： 极化激元系统动力学演化 单模光场-TO声子有效模型哈密顿量 量子涨落与压缩态 亚泊松分布