前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇量子神經(jīng)網(wǎng)絡算法范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

量子神經(jīng)網(wǎng)絡算法范文第1篇

關鍵詞:鐵路貨運量預測；粒子群優(yōu)化算法；灰色神經(jīng)網(wǎng)絡；灰色關聯(lián)分析；BP神經(jīng)網(wǎng)絡；Elman神經(jīng)網(wǎng)絡

中圖分類號: TP18文獻標志碼:A

引言

鐵路貨運量作為貨運市場體系中的重要統(tǒng)計指標，為鐵路運輸所占的貨運市場份額提供了重要的依據(jù)。因此，預測貨運量發(fā)展趨勢是制定鐵路貨物運輸營銷戰(zhàn)略的前提和基礎，對鐵路貨運組織的實施具有重要作用［1］。但鐵路貨運是一個復雜的社會經(jīng)濟系統(tǒng)，受社會、經(jīng)濟、自然等多種因素的綜合影響，且各因素的作用機制通常不能或無法用精確的數(shù)學語言來準確描述，因此鐵路貨運量預測屬于復雜的非線性系統(tǒng)問題，這就導致其預測建模的困難性與多樣性［2］。目前國內(nèi)學者已利用灰色系統(tǒng)理論［2-4］、分形理論［5-6］、粗糙集（Rough Set）理論［7］、支持向量機模型（Support Vector Machine, SVM）［8］、人工神經(jīng)網(wǎng)絡［9-11］等方法對鐵路貨運量進行預測。

受環(huán)境因素、突發(fā)事件的影響，鐵路貨運量具有很強的波動性，因此使灰色系統(tǒng)理論、分形理論、Rough Set理論在短期貨運量預測中的預測精度往往不高，另外SVM模型因主要參數(shù)（核函數(shù)σ及懲罰因子c）選取的困難性影響了其實用性。而基于神經(jīng)網(wǎng)絡和灰色模型的灰色神經(jīng)網(wǎng)絡(Grey Neural Network, GNN)，結合了神經(jīng)網(wǎng)絡非線性擬合能力強及灰色模型計算量小、少樣本情況下精度較高的特點，這就在不同程度上克服了上述不足。但由于GNN權值和閾值隨機初始化，導致了網(wǎng)絡易陷入局部最優(yōu)，而且每次預測結果不同，且偏差較大。

粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法是基于群體智能理論的優(yōu)化算法，算法概念非常簡單，具有好的魯棒性及非常好的全局搜索能力，利用PSO優(yōu)化GNN的參數(shù)可以改善上述不足。針對標準PSO容易陷入局部極小點且過早收斂的問題，本文采用一種改進的PSO算法(IPSO)，該算法能夠較好地調整全局與局部搜索能力之間的平衡；并將其應用于GNN的參數(shù)優(yōu)化。仿真結果表明基于IPSOGNN方法的預測精度優(yōu)于常規(guī)GNN及其他智能預測方法，更加適合于鐵路貨運量預測。

1基于IPSOGNN預測模型

量子神經(jīng)網(wǎng)絡算法范文第2篇

1.1混合神經(jīng)網(wǎng)絡的結構本文提出的混合神經(jīng)網(wǎng)絡是在CC神經(jīng)網(wǎng)絡的基礎上，在隱含層的生成中增加了乘算子的部分以提高神經(jīng)網(wǎng)絡非線性辨識能力。乘算子和加算子結構上的自增長基本相互獨立，既保留了原CC神經(jīng)網(wǎng)絡的優(yōu)點，同時也使得乘算子的特點得到發(fā)揮?；旌仙窠?jīng)網(wǎng)絡的結構如圖3所示，網(wǎng)絡的隱含層由兩種不同類型的算子(乘算子和加算子)共同構成。這種混合隱含層根據(jù)構成的算子類型分為加法部分和乘法部分。通過相關性s來確定其中一個隱含層部分增加節(jié)點，加法部分采用級聯(lián)結構與原CC神經(jīng)網(wǎng)絡相同，乘法部分采用單層結構避免其階數(shù)過高，最后兩個隱含層的輸出同時作為輸出節(jié)點的輸入進行輸出。

1.2引導型粒子群算法針對混合隱含層的結構、權值和閾值的求取,本文提出了一種新的引導型粒子群算法（GQPSOI）。GQPSOI通過控制粒子i和j之間的距離來保證粒子不會收斂得太快從而陷入局部極小值，同時根據(jù)各粒子p(i,:)和p(j,:)之間的距離D(i,j)以及粒子間平均距離D來計算淘汰度Ew決定淘汰粒子并對其進行量子化更新。

1.3混合神經(jīng)網(wǎng)絡算法流程混合神經(jīng)網(wǎng)絡的自增長過程如圖4所示。網(wǎng)絡增長的具體步驟如下。（1）網(wǎng)絡結構初始化。網(wǎng)絡中只有輸入層和輸出層，無隱含層，如圖4(a)所示。（2）使用GQPSOI算法訓練輸出權值。（3）對網(wǎng)絡性能進行判斷，如滿足要求，則算法結束，網(wǎng)絡停止增長，如圖4(d)所示，否則轉到下一步。（4）建立隱含層節(jié)點候選池(內(nèi)含一個乘算子和一個加算子)，分別將候選隱含層節(jié)點代入網(wǎng)絡結構并使用GQPSOI算法以最大相關性原理訓練兩個候選節(jié)點，分別計算兩個候選節(jié)點與現(xiàn)有殘差Ep,o的相關性s。（5）選擇相關性s最大的候選節(jié)點，作為新的隱節(jié)點加入網(wǎng)絡結構，如圖4(b)、(c)所示，并固定新隱節(jié)點的輸入權值。轉移到步驟（2），對整個網(wǎng)絡的輸出權值進行調整。

2混合神經(jīng)網(wǎng)絡網(wǎng)絡性能測試

2.1GQPSOI算法性能測試首先應用幾個經(jīng)典函數(shù)[9]對GQPSOI算法的性能進行了評價，并將實驗結果與幾種常見的算法進行了對比。這些函數(shù)包括：F1（Sphere函數(shù)）、F2(Rosenbrock函數(shù))、F3(Rastrigin函數(shù))、F4(Griewank函數(shù))、F5(Ackley函數(shù))，評價函數(shù)的維數(shù)為10。經(jīng)過30次獨立運行實驗，每次的函數(shù)評價次數(shù)（FEs）[12]為100000。表1給出了GQPSOI算法與離子群算法（PSO），遺傳算法（GA）以及差分進化法（DE）在30次獨立運行評價試驗中得到最優(yōu)值的平均值和標準差。從表1中可以看出，在F2的實驗中GQPSOI算法在30次獨立運行中的平均值為7.746×10−12，這一結果明顯優(yōu)于PSO算法的29.55和GA算法的97.19，略優(yōu)于DE的2.541×10−11。從F1、F3、F4、F5的實驗結果也都可以看出GQPSOI算法明顯優(yōu)于其他算法。實驗證明了GQPSOI算法的有效性和適用性，能夠應用于神經(jīng)網(wǎng)絡的參數(shù)和結構調整。

2.2燃料電池的建模實驗

2.2.1基于燃料電池輸出電壓的模型質子交換膜燃料電池[13-15]作為一種高效的清潔能源，在過去的幾十年里取得了巨大的進展。在正常操作條件下，一片單電池可以輸出大約0.5～0.9V電壓。為了應用于實際能源供應，有可能需要將多片單電池串聯(lián)在一起。具有級聯(lián)結構的質子交換膜燃料電池實驗裝置如圖5所示。從圖5可以看出，電池引出電流I，電池溫度T，H2和O2壓力PH2和PO2會影響電池電壓。將混合神經(jīng)網(wǎng)絡用于質子交換膜燃料電池的軟測量建模，選用電池引出電流I，電池溫度T，H2和O2壓力PH2和PO2會影響電池電壓的變量作為輸入變量。將56片單電池的串聯(lián)輸出電壓作為其輸出，模型的目標函數(shù)取實際輸出值與模型輸出值得均方根誤差(使其最小)?；旌仙窠?jīng)網(wǎng)絡中加法部分以及輸出層的神經(jīng)元傳遞函數(shù)采用S型函數(shù)，GQPSOI算法中設置種群數(shù)30，最大迭代步長為1000，引導粒子起作用的概率設置為2%。圖6為5kW質子交換膜燃料電池堆的實驗裝置。該實驗系統(tǒng)采用增濕器與電池堆分體設置，參數(shù)檢測采用傳感器-直讀式儀表方式，氣體和水的流量測量采用轉子流量計，電堆采用電阻負載，可直接測量電堆的輸出電流、電壓或功率。電池堆參數(shù)見表2。

2.2.2結果與分析實驗條件如表3所示。取燃料電池裝置輸出的前100個值作為訓練樣本，后100個值作為測試樣本。分別用CC神經(jīng)網(wǎng)絡，CC-GQPSOI和混合神經(jīng)網(wǎng)絡進行訓練，當訓練目標函數(shù)小于0.1或最大隱含層節(jié)點數(shù)達到30時網(wǎng)絡停止增長，訓練結束。表4給出了其最大相對誤差和均方根誤差的對比。圖7顯示了最終訓練預測數(shù)據(jù)與輸出數(shù)據(jù)之間的對比。從表4可以看出CC-GQPSOI和混合神經(jīng)網(wǎng)絡分別在隱含層節(jié)點數(shù)為4和6時達到訓練要求，相較于CC神經(jīng)網(wǎng)絡的30個隱含層節(jié)點具有較小的網(wǎng)絡結構。同時CC-GQPSOI和混合神經(jīng)網(wǎng)絡的均方根誤差(3.0723×10−2和3.8606×10−2)也相較于CC神經(jīng)網(wǎng)絡的均方根誤差(1.0354)具有更高的精度。從圖8和圖9的泛化結果來看，混合神經(jīng)網(wǎng)絡的預測誤差保持在0.7以內(nèi)，相對誤差(絕對誤差與被測量真值之比)保持在1.25%以內(nèi)。CC-GQPSOI的誤差在1以內(nèi)。相對誤差保持在3%以內(nèi)。從實驗結果可以看出，混合神經(jīng)網(wǎng)絡可以精確地預測出燃料電池裝置的輸出，反映了實際工況，具有良好的應用前景。

3結論

量子神經(jīng)網(wǎng)絡算法范文第3篇

關鍵詞：仿生；智能；算法；蟻群算法；遺傳算法；人工神經(jīng)網(wǎng)絡

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9599 (2011) 22-0000-01

Intelligent Computing Based on Bionics

Zhang Guangshun

(School of Information Science,Jiujiang University,Jiujiang 332005,China)

Abstract:This paper describes bionics intelligent computing and mathematical principles of natural,simultaneous analysis of intelligence based on bionic algorithm for the calculation of several classic,and finally the development of intelligent computing the direction of bionics made a personal opinion.

Keywords:Bionic;Intelligent;Algorithm;Ant colony algorithm;Genetic algorithm;Artificial neural network

一、仿生學智能計算的原理

（一）自然原理。達爾文在進化論中提出，大自然中的生物“物競天擇，適者生存”，經(jīng)歷萬億年的進化，在解決生存問題時已經(jīng)積累了豐富的智慧。人類曾經(jīng)根據(jù)鳥類的飛行發(fā)明了滑翔機；根據(jù)魚類的游泳發(fā)明了潛艇等。現(xiàn)在人們在智能方面也在向自然界學習。例如根據(jù)人類大腦的構造，開創(chuàng)了人工神經(jīng)網(wǎng)絡算法這一重要領域；根據(jù)進化論遺傳學理論提出了遺傳算法等。模仿生物智慧而產(chǎn)生的方法，在解決復雜的問題上已經(jīng)有了顯著的效果。

（二）數(shù)學原理。智能計算的多種算法都有堅實的數(shù)學基礎[1]，可以利用數(shù)學方法判定算法的有效性及證明。雖然有些算法現(xiàn)在還未完全嚴格證明，但其使用效果已經(jīng)說明了算法的可行性。

很多基于仿生學的智能計算都可以看作是一個Markov鏈：

一個隨機過程X={Xt，t∈T}，可能取到的值空間為S，稱為狀態(tài)空間。若狀態(tài)Xn+1滿足

P{Xn+1=j|X0=i0，X1=i1，…Xn=in}

= P{Xn+1=j|Xn=in}

則稱Xn為Markov鏈。

Markov鏈是一類概率問題，許多智能計算方法都屬于Markov鏈范疇。

另一個常用的數(shù)學工具是圖論。圖論以圖、點及連線為研究對象，利用圖論可以驗證各種算法的有效性及效率。以經(jīng)典的0-1背包問題為例，現(xiàn)在使用仿生學原理產(chǎn)生的蟻群算法，效果明顯更好[2]。

二、智能算法

（一）群集智能算法。根據(jù)自然界中群體性動物合作的研究，人們提出了多種模仿群體智慧的算法。例如根據(jù)螞蟻采食而產(chǎn)生的蟻群算法，根據(jù)蜜蜂尋找蜜源而產(chǎn)生的蜂群算法等，這些方法在路徑搜索等領域已經(jīng)取得了很好的應用[3]?，F(xiàn)在以蟻群算法為例進行簡要分析。

螞蟻是一種群居性動物，單個螞蟻很難在自然界存活。但由于群體合作的存在，使螞蟻成為世界上分布最廣泛的物種之一。通過研究發(fā)現(xiàn)，螞蟻在將食物搬回家的過程中，開始時的路徑有長有短。但經(jīng)過大量螞蟻的路徑試探后，最后越來越歸于最短的那條路徑。

這是因為每只螞蟻在行進過程中都會產(chǎn)生一種“信息素”，用來給后來的螞蟻指路。當大量螞蟻在行進時，不同路徑產(chǎn)生的信息素濃度不同。濃度最大的路徑表示單位時間內(nèi)通過的螞蟻數(shù)量最多，這就是最短路徑[4]。

這種算法在開始時可以隨機選擇數(shù)值，到最后最佳結果的概率會最大，這就求得了問題的解。蟻群算法在求解圖的路徑上是一個比較好的方法，具有良好的魯棒性，且易于并行分布式實現(xiàn)；但是搜索時間較長，開銷較大，需要大量的運行才能收斂于解，而且可能會陷入局部最優(yōu)。

（二）進化算法。模仿生物的進化而產(chǎn)生的算法成為進化算法，主要包括遺傳算法、文化算法等。進化算法通過模仿自然界的選擇、重組和變異來逐步得到問題更好的解?，F(xiàn)在以遺傳算法為例，分析算法的特點。

遺傳算法通過選定初始種群，利用選擇較優(yōu)解、重組新解、變異、再繼續(xù)選擇的方法，不斷演化，直至找到符合條件的解[5]。遺傳算法不是以一個初始解開始運算，而是從一系列解開始迭代優(yōu)化。遺傳算法的這一特性，能夠在整個解集中尋找全局最優(yōu)，而不是陷于局部最優(yōu)。通過一定程度的變異和篩選，可以產(chǎn)生更加適合的解，如同生物的變異和淘汰，能夠生存下來的是最適應環(huán)境的品種一樣。遺傳算法能夠自組織、自適應和自學習，容錯性能更好。但是遺傳算法的效率有待提高，將遺傳算法和其他算法結合，能更快得到問題的解。

（三）其他算法。根據(jù)生物學、醫(yī)學、心理學等的發(fā)展，人們又提出了幾種算法，并已得到實際應用。例如人工神經(jīng)網(wǎng)絡、DNA計算、模糊計算等。現(xiàn)以人工神經(jīng)網(wǎng)絡為例進行簡要介紹。

人類的大腦皮層約有140億個神經(jīng)元。每一個神經(jīng)元只能進行簡單的信息傳遞或存儲，但大量神經(jīng)元集合在一起，則會產(chǎn)生智能。人工神經(jīng)網(wǎng)絡就是模仿人腦的這一特點，進行信息的處理和問題的求解。人工神經(jīng)網(wǎng)絡的工作方式是學習并實踐。人工神經(jīng)網(wǎng)絡通過訓練，不斷提高正確結果的權值。在實踐中人工神經(jīng)網(wǎng)絡系統(tǒng)就會根據(jù)已有的學習選擇最優(yōu)的方法，并根據(jù)實際情況調整權值。人工神經(jīng)網(wǎng)絡是典型的并行分布式系統(tǒng)，具有良好的容錯性，通過不斷學習，可以達到較好的分析和識別效果。將人工神經(jīng)網(wǎng)絡應用于模式識別領域，比如人臉識別等，是當前熱門的應用方向。

三、小結

本文淺談基于仿生學的智能計算，簡述了自然及數(shù)學原理，以及幾個方面的具體實現(xiàn)。

自然造物神奇，自然界中還有許多領域待人探索?；诜律鷮W的智能計算，也才興起不久，理論和應用等方面尚未完善。目前，有幾個方面值得人們研究：一是不斷開拓智能計算的領域，尋找新的啟發(fā)，以新的更有效的算法解決問題；二是在已有算法基礎上深入研究，并講幾種已有算法相互融合，提高算法的效率和有效性；三是推進應用，在工業(yè)、農(nóng)業(yè)、經(jīng)濟、社會等各個方面都大有可為，能實現(xiàn)更好的效果。

參考文獻：

[1]段海濱,張祥銀,徐春芳.仿生智能計算[M].北京:科學出版社,2011,19-36

[2]何小鋒,馬良.求解0-1背包問題的量子蟻群算法[J].計算機工程與應用,2011,47(16):29-31

量子神經(jīng)網(wǎng)絡算法范文第4篇

 

2網(wǎng)絡信息安全的內(nèi)涵和目標

 

2.1網(wǎng)絡信息安全的概念和內(nèi)涵網(wǎng)絡信息安全定義是：不因偶然或惡意的因素，使網(wǎng)絡信息遭受非法篡改、插入、刪除或顯現(xiàn)，以保證信息的完整性、安全保密性和可用性[1]。同時網(wǎng)絡信息安全是涉及計算機技術、網(wǎng)絡技術、通信技術、密碼技術、信息安全技術、應用數(shù)學、數(shù)論、信息論、社會心理等多種技術的邊緣性的綜合學科。就總體而言，信息安全主要包括信息本體安全、計算機系統(tǒng)安全、網(wǎng)絡安全、管理體系安全四個層次的內(nèi)容。只有通過對上述諸多研究領域長期的知識積累，才能確保網(wǎng)絡信息安全合理的共享。本文主要將敘述其中的應用協(xié)議、數(shù)據(jù)加密、病毒學、防火墻、入侵檢測等技術。

 

2.2網(wǎng)絡信息安全的主要目標綜觀國內(nèi)外有關信息安全事件，網(wǎng)絡信息安全的研究目標應主要集中在以下五個方面：

 

(1)、網(wǎng)絡的可靠性這是網(wǎng)絡安全最基本的要求之一。目前，對于網(wǎng)絡可靠性的研究基本上偏重于硬件可靠性方面，研制高可靠性元器件設備，采取合理的冗余備份措施仍是最基本可靠性對策。但有資料表明，系統(tǒng)失效性很大一部分是由人為因素造成的。

 

(2)、網(wǎng)絡的可用性

 

網(wǎng)絡最基本的功能是向用戶提供所需信息和通信服務，必須隨時滿足用戶通信的要求。為此網(wǎng)絡需要采用科學合理的網(wǎng)絡拓撲結構、冗余容錯和備份措施以及網(wǎng)絡自愈技術、負荷分擔、各種完善的物理安全和應急措施等，保障網(wǎng)絡安全。

 

(3)、信息的保密性

 

采用訪問控制技術，可以有效地防止網(wǎng)絡信息資源不被非法使用和訪問。訪問控制包括入網(wǎng)訪問控制、網(wǎng)絡權限控制、服務器控制等多種技術手段。

 

(4)、信息的完整性

 

由于網(wǎng)絡本身的不安全，會導致信息在傳輸過程中遭受非法用戶的竊取、破壞，而通過信息加密技術，即使信息被竊取，加密后的信息也不易泄漏，可將損失降到最低點。

 

(5)、信息的不可抵賴性

 

隨著通信業(yè)務不斷擴大，電子商務、電子金融和辦公自動化等許多信息處理過程都需要通信雙方對信息內(nèi)容的真實性進行認同，需要對此應采用數(shù)字簽名、認證等有效措施。

 

3現(xiàn)行主要信息安全技術

 

3.1通信協(xié)議安全

 

便捷和高效的互聯(lián)網(wǎng)絡一直是網(wǎng)絡標準制定者力求達到的目標，網(wǎng)絡的安全是影響這兩者的最重要因素。IPv6作為下一代互聯(lián)網(wǎng)通信協(xié)議，具有很強安全性。IPv6強制實施Internet安全協(xié)議IPSec，它主要由3個部分組成，即認證協(xié)議(AH)、封裝安全載荷(ESP)和Internet密鑰交換協(xié)議(IKEhIPSec為IPv6提供了具有極強的互操作能力、高質量和基于密碼的安全，在IP層實現(xiàn)多種安全服務，包括訪問控制、無連接完整性、數(shù)據(jù)源驗證、抗重播、加密和有限的業(yè)務流機密性。和網(wǎng)絡協(xié)議不同，網(wǎng)絡信息安全目前還沒有統(tǒng)一的標準，但美國國防部的計算機安全橙皮書(1985)得到廣泛支持，成為制定計算機安全標準的基礎。橙皮書將計算機安全分為A、B、C、D四個安全級別，每個級別內(nèi)還可再細分。其中C2級已成為事實上的工業(yè)標準，許多計算機廠商都采用C2標準中各項準則和原理來完善自己的系統(tǒng)安全特性。GSSP是另一組重要的信息安全標準，它是由美國信息系統(tǒng)安全協(xié)會GSSP委員會為實現(xiàn)信息安全制定的一組原理，與C2標準不同，GSSP更強調個人管理而不是系統(tǒng)管理。

 

3.2密碼技術

 

密碼技術是信息安全的核心與關鍵。一般而言，密碼體制分為單鑰(對稱密碼)、雙鑰(不對稱密碼)、混合密碼(單雙鑰的混合實現(xiàn))三種體制。采用加密技術網(wǎng)絡系統(tǒng)的優(yōu)點在于：不僅不需要特殊網(wǎng)絡拓撲結構的支持，而且在數(shù)據(jù)傳輸過程中也不會對所經(jīng)過網(wǎng)絡路徑的安全程度作出要求，從而真正實現(xiàn)了網(wǎng)絡通信過程端到端的安全保障。當前網(wǎng)絡信息加密主要使用的是不對稱密碼或混合密碼。

 

3.2.1公鑰密碼曾經(jīng)作為美國聯(lián)邦信息處理標準的DES算法在1997年被攻破。IDEA作為DES的一種改進方法，具有128bit的密鑰和更強的安全性。為了保證公鑰密碼RSA的安全性，公鑰長度至少要600bit，實現(xiàn)速度比DES至少要慢兩個數(shù)量級。近來提出的一種基于Montgomery算法的RSA公鑰密碼可以同時進行乘法和模減運算，取代原先的除法運算模式，使得運算速度大幅提高，成為現(xiàn)今廣泛采用的RSA密碼。基于橢圓曲線的公鑰密碼ECC是密碼學研究和應用的熱門領域，很多廠商己經(jīng)開發(fā)出符合IEEEP1363標準的橢圓曲線公鑰密碼。己有將ECC的數(shù)字簽名應用于電子政務中的可行方案，并且橢圓曲線密碼從試驗結果來看加密性和運行速度均優(yōu)于RSA算法[3]，很有可能取代RSA的地位，成為主流的公鑰加密算法，目前己有ECC在CDMA和IC智能卡上的應用方案提出。

 

3.2.2Hash函數(shù)王小云于2005年給出了SHA-0的碰撞，以及SHA-1的理論破解，將破解SHA-1的計算量降低了3個數(shù)量級，這對評估Hash函數(shù)的安全現(xiàn)狀以及未來Hash函數(shù)的設計會產(chǎn)生極大影響。MD5和SHA-1的破解，動搖了目前數(shù)字簽名的理論根基，對現(xiàn)有的數(shù)字簽名方法構成了威脅。美國國家技術與標準局(NIST)計劃在2010年前逐步淘汰SHA-1，換用其他更長更安全的算法(如SHA-384，SHA-512)來替代。

 

3.2.3量子密碼將來有可能取代公鑰加密算法的還有一種加密方法，即量子加密系統(tǒng)。量子加密是兩個用戶各自產(chǎn)生一個私有的隨機數(shù)字字符串。第1個用戶向第2個用戶的接收裝置發(fā)送代表數(shù)字字符串的單個量子序列(光脈沖)，接收裝置從2個字符中取出相匹配的比特值，這些比特值就組成了密鑰的基礎。量子加密法的先進之處在于這種方法依賴的是量子力學定律，傳輸?shù)牧孔邮菬o法被竊聽的，如果有人竊聽，通信雙方會得知，這是因為竊聽動作本身會對通信系統(tǒng)造成干擾，使通信系統(tǒng)的量子狀態(tài)出現(xiàn)不可挽回的變化，這樣通信雙方會結束通信，生成新的密鑰。試驗證明，這種加密方法在衛(wèi)星通信中也是可行的，但只有在寬帶光纖通信中才可以進行量子密鑰的發(fā)送。在實際的應用中，通過光纖傳輸?shù)牧孔用荑€可以用于加密普通寬帶數(shù)據(jù)信道所傳送的信息。2004年6月，美國BBN公司建立的世界上第一個量子密碼通信網(wǎng)絡在馬塞諸塞州劍橋城正式投入運行，它標志著量子密碼通信技術己進入實際應用階段。

 

3.2.4其它加密體制其它一些領域的研究也對信息加密產(chǎn)生了積極的影響，甚至可能帶來革命性轉變，其中較引人注意的有混沌密碼、DNA密碼和神經(jīng)網(wǎng)絡在密碼學上的應用。

 

1)混沌密碼：由于混沌系統(tǒng)對初值及參數(shù)極其敏感，同時還具有非周期性和偽隨機性的特點，可針對現(xiàn)有方法數(shù)據(jù)運算量大的缺陷，在運用整數(shù)計算代替浮點數(shù)計算減低計算量，提供了一種新的實現(xiàn)方法，已引起了密碼學領域的廣泛關注。

 

2)DNA密碼：DNA密碼是近年來伴隨著DNA計算的研究而出現(xiàn)的密碼學新領域，其特征是以DNA為信息載體，以現(xiàn)代生物技術為實現(xiàn)工具，挖掘DNA固有的高存儲密度和高并行性等優(yōu)點，實現(xiàn)加密、認證及簽名等密碼學功能。2000年，加拿大DNATechnology公司把DNA序列用到了悉尼奧運會的產(chǎn)品認證上。DNA密碼現(xiàn)在仍處于發(fā)展階段，它的廣泛應用還有待各方面技術的進一步發(fā)展。

 

3)神經(jīng)網(wǎng)絡：目前神經(jīng)網(wǎng)絡在許多學科領域都獲得了成功的應用，其中通信及保密通信就是神經(jīng)網(wǎng)絡的重要研究領域,并己成為神經(jīng)網(wǎng)絡應用研究的一個熱點。

 

3.3計算機病毒

 

近2年來，隨著網(wǎng)絡廣泛融入各個經(jīng)濟金融領域，計算機病毒的攻擊技術也越來越復雜，破壞力越來越強，并且更多地以獲取經(jīng)濟利益為目標，例如竊取銀行賬戶信息，盜取網(wǎng)游密碼等。在網(wǎng)絡游戲市場，網(wǎng)上虛擬裝備交易十分活躍，一件好的裝備或高級別的賬號賣出上萬元人民幣并不鮮見，大批針對網(wǎng)絡游戲的木馬病毒因此而出現(xiàn)，如2007年初爆發(fā)的竊取“魔獸世界”游戲帳號木馬。該木馬破解了游戲的加密算法，主動截取局域網(wǎng)中的數(shù)據(jù)包，通過分析游戲里的通訊協(xié)議來獲得玩家的賬號、密碼和裝備等信息。并且局域網(wǎng)中1臺計算機一旦感染了魔獸木馬，其余的計算機用戶也會感染，該病毒還可以阻止防毒軟件的運行。2006年8月出現(xiàn)了針對AMD芯片的病毒w32.bounds和w64bounds，病毒感染計算機后能夠獲得比操作系統(tǒng)更高的權限，即可以躲避處理器或軟件的防毒功能而進行肆意的傳播和破壞。它的出現(xiàn)是一個病毒由通過軟件漏洞傳播轉向通過硬件漏洞傳播的標志，相信這種形式的傳播將具有更強的攻擊性。目前，快速更新病毒庫和增強殺毒軟件自行識別新病毒的能力是作為防范病毒攻擊的兩種較為有效方法。

 

3.4防火墻技術

 

防火墻技術是在內(nèi)部與外部網(wǎng)絡間非常有效的實施訪問控制的一種手段，它邏輯上處于內(nèi)部網(wǎng)和外部網(wǎng)之間，是為確保內(nèi)部網(wǎng)正常安全運行的一組軟硬件的有機組合[6]。它可提供存取控制和保密服務，從而為企業(yè)網(wǎng)提供了抵抗外部侵襲的能力。由于它簡單實用且透明度高，可以在不修改原有網(wǎng)絡應用系統(tǒng)的情況下，達到一定的安全要求，所以被廣泛使用。在引入防火墻之后，內(nèi)部網(wǎng)和外部網(wǎng)之間的通信必須經(jīng)過防火墻進行，當某企業(yè)決定設置防火墻時，首先需由網(wǎng)絡決策者及網(wǎng)絡專家共同決定本企業(yè)網(wǎng)的安全策略，即確定什么類型的信息不允許通過防火墻。防火墻的職責就是根據(jù)這一安全策略，對外部網(wǎng)絡與內(nèi)部網(wǎng)絡交流的信息進行檢查，符合的予以放行，不符合的拒之門外。

 

防火墻技術主要分三大類：

 

⑴包過濾技術(Packetfiltering):作用在網(wǎng)絡層，主要根據(jù)防火墻系統(tǒng)所收到的每個數(shù)據(jù)包的源IP地址，目的IP地址，TCP/UDP源端口號、TCP/UDP目的端口號，及數(shù)據(jù)包頭中的各種標志位來進行判定，根據(jù)系統(tǒng)設定的安全策略來決定是否讓數(shù)據(jù)包通過，其核心就是安全策略，即過濾算法的設計。

 

(2)(Proxy)服務技術用來提供應用層服務的控制，起到外部網(wǎng)絡向內(nèi)部網(wǎng)絡申請服務時中間轉接作用，內(nèi)部網(wǎng)絡只接受提出的服務請求，拒絕外部網(wǎng)絡其它節(jié)點的直接請求。運行服務的主機被稱為應用網(wǎng)關，服務還可以用于實施較強的數(shù)據(jù)流監(jiān)控、過濾、記錄等功能。

 

(3)狀態(tài)監(jiān)控(StateInspection)技術它是一種新的防火墻技術，在網(wǎng)絡層完成所有必要的防火墻功能一一包過濾和網(wǎng)絡服務。目前最有效的實現(xiàn)方法一般采用CheckPoint提出的虛擬機方式(InspectVirtualMachine)。

 

防火墻技術作為一種簡單實用的網(wǎng)絡信息安全技術將得到進一步發(fā)展，但防火墻只是靜態(tài)安全防御技術，對網(wǎng)絡環(huán)境下日新月異的攻擊手段缺乏主動的響應，不能提供完全的網(wǎng)絡安全性，它不能阻止所有的外部入侵;它不能防病毒;有經(jīng)驗的黑客也會破“墻”而入。在過去的統(tǒng)計中曾遭受過“黑客”入侵的網(wǎng)絡用戶有三分之一是有防火墻保護的[7]。防火墻對內(nèi)部襲擊毫無防范作用，需要有特殊的相對較為封閉的網(wǎng)絡拓撲結構支持，也就是說還必須有例如對數(shù)據(jù)加密處理、對內(nèi)部網(wǎng)絡的有效控制和管理一系列措施來實現(xiàn)網(wǎng)絡安全。

 

3.5入侵檢測技術

 

入侵檢測系統(tǒng)是對計算機和網(wǎng)絡資源上的惡意使用行為進行識別和響應的處理過程[8]。它不僅監(jiān)測來自外部的入侵行為，同時也對內(nèi)部用戶的未授權活動進行檢測，還能對網(wǎng)絡入侵事件和過程做出實時響應，是網(wǎng)絡動態(tài)安全的核心技術。

 

根據(jù)不同的分類標準，入侵檢測技術主要有基于行為的入侵檢測和基于知識的入侵檢測兩類：基于行為的入侵檢測(也稱異常檢測)是指根據(jù)使用者的行為或資源使用狀況的正常程度來判斷是否發(fā)生入侵;基于知識的入侵檢測(也稱誤用檢測)是指運用己知的攻擊方法通過分析入侵跡象來加以判斷是否發(fā)生入侵。通過對跡象的分析,不僅對己發(fā)生的入侵行為有幫助，而且對即將發(fā)生的入侵也會產(chǎn)生警戒作用。

 

相對己成熟的網(wǎng)絡入侵檢測系統(tǒng)，模仿生物免疫原理的入侵檢測系統(tǒng)模型是入侵檢測領域的新興研究領域，并有了初步進展;但是現(xiàn)有的系統(tǒng)大多還是實驗室環(huán)境下的原型系統(tǒng)，具有較高的誤報率和漏報率，難于滿足大規(guī)模網(wǎng)絡下的入侵檢測和反病毒要求。實驗者預測在不遠的將來，有望提出一個行之有效的未知病毒和入侵手段識別模型和算法。此外“蜜罐(Honey)”技術也備受矚目，“蜜罐”是指受到嚴密監(jiān)控的網(wǎng)絡誘騙系統(tǒng)，通過真實或模擬的網(wǎng)絡和服務來吸引攻擊，從而在黑客攻擊“蜜罐”期間對其行為和過程進行記錄分析，以搜集信息，對新攻擊發(fā)出預警，同時“蜜罐”也可以延緩攻擊和轉移攻擊目標。它區(qū)別于傳統(tǒng)的入侵檢測技術，不是在攻擊時進行被動的防護，而是采取主動的方式，用定制好的特征吸引和誘騙攻擊者，將攻擊從網(wǎng)絡中比較重要的機器上轉移，同時對黑客的攻擊做全面的分析和研究。

量子神經(jīng)網(wǎng)絡算法范文第5篇

關鍵詞：計算機技術；智能；網(wǎng)絡發(fā)展；趨勢研究

中圖分類號：TP3-4

計算機在最近的幾十年發(fā)展突飛猛進，是在眾多行業(yè)中發(fā)展最快速的領域，技術成果的更新?lián)Q代令人目不暇接。在全球化日益蔓延的今天，智能化技術、網(wǎng)絡技術等逐漸發(fā)展成熟，使計算機的功能越來越廣泛，涉及的領域也越來越多。計算機進入了日常生活和工作中，成為必不可少的辦公、學習和娛樂工具。業(yè)已引起社會各界的高度重視，開發(fā)創(chuàng)新在各個領域不斷的到了推進。

1 計算機技術的發(fā)展的特點

1.1 多極化

現(xiàn)階段，個人計算機的普遍程度已經(jīng)非常廣泛，但各行業(yè)對計算機要求不僅僅局限在小型個人計算機上，很多大型、巨型的計算機也有著舉足輕重的作用。因此，現(xiàn)在呈現(xiàn)出了巨型、大型、小型、微型機都有著各自的領域的形勢，也就是多極化的形勢。就如在尖端科學技術領域和國防事業(yè)領域，巨型計算機的存在具有非常大的必要性，在這些領域中巨型計算機應技術的應用的成熟度程度標志著一個國家計算機技術的整體水平。

1.2 智能化

計算機智能化是指使計算機通過模擬人的感覺和思維過程，使計算機處理信息能夠更加精確和快速。這是第五代計算機力求實現(xiàn)的目標。計算機智能化的研究領域十分廣泛，其中最具代表性的是計算機機器人技術。在計算機機器人技術上最著名的例子是，1997年運算速度為每秒約十億次的“深藍”計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫。

1.3 網(wǎng)絡化

網(wǎng)絡化是計算機發(fā)展的又一個重要趨勢。計算機網(wǎng)絡化是指通過利用現(xiàn)代通信技術和計算機技術把不同地方的計算機連接起來，共同構建成一個大規(guī)模、功能多，并且可以相互傳遞信息的網(wǎng)絡。計算機網(wǎng)絡化的實現(xiàn)，使網(wǎng)絡中的資源共享變成現(xiàn)實，大大提高信息中資源的整合程度，也為實現(xiàn)全球化做出了積極貢獻。

目前，網(wǎng)絡已經(jīng)在全球范圍內(nèi)迅速普及，幾乎所有的家庭或者辦公室內(nèi)都配有連接網(wǎng)絡的計算機。有了網(wǎng)絡的計算機，就能幫助用戶能夠更加快捷的了解到網(wǎng)絡中的信息資源，提高計算機的使用效率，受到了廣大用戶的喜愛。

1.4 多媒體化

多媒體計算機的出現(xiàn)為計算機技術的發(fā)展翻開了新的一頁。多媒體技術并不能簡單地理解為多種媒體相結合的技術，應該是多種媒體技術的融合應用。

在計算機領域的多媒體化是指利用計算機技術、通信技術和大眾傳播技術，來綜合處理文本、視頻圖像、圖形、聲音、文字等多種媒體信息的計算機。多媒體技術的產(chǎn)生使計算機技術中的各種信息資源有了相互的聯(lián)系，成為一個相互交叉的整體。多媒體技術的產(chǎn)生也會幫助人們采取最適宜的方法去處理信息，改變現(xiàn)在矛盾的人機關系。

2 未來計算機的發(fā)展趨勢

2.1 量子計算機

量子計算機是一種遵循量子力學規(guī)律進行高速數(shù)學和邏輯運算、存儲及處理量子信息的新型計算機。當計算機中處理和計算的是量子信息，運行的是量子算法時，它就是量子計算機。在計算機領域應用量子技術是史無前例的。量子計算機的存儲量遠遠大于普通計算機的存儲量，計算速度也比個人計算機快得多。預計將在2030 年將普及量子計算機。

2.2 神經(jīng)網(wǎng)絡計算機

從字面上就可以理解出神經(jīng)網(wǎng)絡計算式是一種模仿人體大腦神經(jīng)脈絡所構建的計算機網(wǎng)絡系統(tǒng)。人腦總體運行速度是遠遠高于電腦功能所能達到的速度的，在這個前提下神經(jīng)網(wǎng)絡計算機被看作是一個龐大的機器，處理著數(shù)量多且繁雜的信息。在這個過程中，神經(jīng)網(wǎng)絡計算機通過對信息進行判斷和處理，進而得出有效的結論。神經(jīng)網(wǎng)絡計算機內(nèi)的信息存儲在神經(jīng)元之間的聯(lián)絡網(wǎng)中。這樣一來，就算神經(jīng)元結點發(fā)生斷裂，計算機還可以重新組建信息，保證機內(nèi)信息不被泄露或丟失。

2.3 分子（生物）計算機

分子計算機是處理信息時利用分子計算的新型計算機。該類計算機運行主要利用分子晶體吸收以電荷形式存在的信息，并以更有效的方式進行組織排列。分子計算機具有體積小、耗能少、運算速度快、存儲信息量大、存儲信息時間長的特點。在未來的日子里，分子技術的不斷進步和成熟，將會使分子計算機普遍存在。生物計算機是以生物芯片取代在半導體硅片上集成效以萬計的晶體管制成的計算機。生物計算機耗能低，存儲量大，同時運算速度極快。但是，生物計算機也有自身難以克服的缺點，其中最主要的便是從中提取信息困難。這也導致了生物計算機在目前的技術條件下普及程度并不高。

2.4 光計算機

光計算機是由光代替電子或電流，實現(xiàn)高速處理大容量信息的計算機，它運算速度極高、耗電極低。光計算機的基礎部件是空間光調制器，并采用光內(nèi)連技術，在運算部分與存儲部分之間進行光連接，運算部分可直接對存儲部分進行并行存取。光計算機的構想使計算機接連體系結構方面實現(xiàn)了突破和創(chuàng)新，但光計算機在現(xiàn)階段還處于研制階段。眾所周知，光與電子相比，其傳播速度極快，它的能力超過了現(xiàn)有電話電纜的很多倍，同時光子計算機在一般室溫下就可以使用，不易出現(xiàn)錯誤，和人腦具有類似的容錯性。光計算機擁有的這些技術優(yōu)勢，在提高計算機功能的基礎上，會促進光計算機的應用和普及。

2.5 納米計算機

作為一種新興技術，納米技術的誕生也為計算機未來的發(fā)展提供了新的技術導向。納米是一種長度單位，原稱毫微米，就是10億分之一米。相當于4倍原子大小，比單個細菌的長度還要小。納米技術從被研發(fā)之初就受到了全世界科學研究者們的高度關注。從80年代直到現(xiàn)在，納米技術的應用領域已經(jīng)越來越廣泛。專家預測，在不久的將來具有眾多優(yōu)勢條件的納米計算機將逐漸取代芯片計算機，推動計算機行業(yè)的快速發(fā)展。

3 結語

綜上所述，可以推測出未來計算機技術發(fā)展趨勢是更高、更廣、更深。更高使指性能越來越高，速度越來越快；更廣是指計算機技術發(fā)展方向更廣，計算機的發(fā)展是朝著多個方面進行的，今后計算機的功能會更加全面；更深是指向“深”度方向發(fā)展，即向信息的智能化發(fā)展。

在當今社會，計算機已經(jīng)滲透到社會的每一個角落，未來的計算機將發(fā)揮更大的作用，計算機技術也將帶動各行各業(yè)的迅猛發(fā)展，為共同推動人類社會的進步做出貢獻。無論是研究今后計算機技術的發(fā)展趨勢還是計算機的發(fā)展趨勢，現(xiàn)在的研究結果都有一定的未知性，我們只能大概確定在未來的日子里計算機技術可能會朝著某些方向發(fā)展，并為之付出努力。當某項技術遇到瓶頸時，需要科研人員創(chuàng)新思維，勇于攻克，創(chuàng)造計算機領域的新形勢。

關于本文介紹的很多方面，都是即將或者快要實現(xiàn)的成果，而有一些則距離現(xiàn)實還有很大距離，甚至有些研究會是失敗的，但這完全不能阻擋計算機的發(fā)展，也不會阻止與計算機有關的新技術的產(chǎn)生。

參考文獻：

[1]方天培.計算機技術的發(fā)展趨勢[J].建筑科學，1992，03.

[2]嚴正學.計算機與計算機技術的發(fā)展前景[J].科技與生活，2011，4.

[3]文德春.計算機技術發(fā)展趨勢[J].科協(xié)論壇（下半月），2007，05.