TY - JOUR ID - TI - Data Classification using Quantum Neural Network تصنيف البيانات بأستخدام الشبكة العصبية الكمية AU - Ghassan H. Abd Al- Majeed غسان حميد عبد المجيد AU - Zainab T. Alisa زينب توفيق باقر AU - Hassan Saadallah Naji حسن سعد الله ناجي PY - 2014 VL - 20 IS - 4 SP - 36 EP - 50 JO - Journal of Engineering مجلة الهندسة SN - 17264073 25203339 AB - In this paper, integrated quantum neural network (QNN), which is a class of feedforward neural networks (FFNN’s), is performed through emerging quantum computing (QC) with artificial neural network(ANN) classifier. It is used in data classification technique, and here iris flower data is used as a classification signals. For this purpose independent component analysis (ICA) is used as a feature extraction technique after normalization of these signals, the architecture of (QNN’s) has inherently built in fuzzy, hidden units of these networks (QNN’s) to develop quantized representations of sample information provided by the training data set in various graded levels of certainty. Experimental results presented here show that (QNN’s) are capable of recognizing structures in data, a property that conventional (FFNN’s) with sigmoidal hidden units lack. In addition, (QNN) gave a kind of fast and realistic results compared with the (FFNN). Simulation results indicate that QNN is superior (with total accuracy of 97.778%) than ANN (with total accuracy of 93.334%).

يتطرق البحث الى الشبكة العصبية الكمية كاحدى اصناف الشبكات العصبية الاصطناعية والتي تتم من خلال دمج مجالين مهمين وهما مجال الاحتساب الكمي مع مجال الشبكة العصبية الاصطناعية . تستخدم هذه الدائرة في مجال تقنية تصنيف البيانات, ان بيانات ازهار السوسن (Iris flower database) قد تم اعتمادها هنا كأشارات تصنيف. ولهذا الغرض تم اعتماد تقنية تحليل المركبة الاساس (ICA) كتقنية استخلاص الخصائص من اشارات التصنيف بعد مرحلة المعالجة الاولية للبيانات لغرض تهيئة البيانات, ان الطبقة الوسطية المعروفة بالطبقة الخفية تتألف من عدد من الخلايا العصبية التي تكون متعددة المستويات لغرض معالجة بيانات التدريب و الاختبار لتعطي بذالك مستويات متعددة من التأكيد. النتائج التجريبية تشير بأن الشبكة العصبية الكمية لها قدرة تمييز البيانات افضل مقارنة بالشبكة العصبية الصناعية و لنفس الغرض, بالاضافة لذالك النتائج تشير بأن الشبكة العصبية الكمية تعطي نتائج تمييز(تصنيف) اسرع و اكثر واقعية اي ان دوائر QNN تعتبر الافضل(بدقة تصل97.778%) مقارنة بالشبكة العصبية الاصطناعية( التي تصل دقتها 93.334%). ER -