量子神经网络在心电图分类中的应用

将量子叠加的概念引入前向神经网络，提出了量子神经网络的计算模型。量子神经网络分类器是将量子迁移（量子间隔）概念引入前向神经网络，在隐含层和输出层借鉴量子理论中的量子迁移（量子间隔）思想，神经元采用多个激励函数的叠加，形成对特征空间的多级划分，在训练过程中，量子神经元能够根据需要伸展或坍塌。当输入模糊信息时，该算法可以学习数据集中的不精确性或不确定性，具有较高的分类精度。将该算法应用于心电图诊断中，结果表明具有较好的分类效果和较快的训练速度。