幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

量子機器學習理論與實戰/量子計算理論與實踐

  • 作者：郭國平//方圓//李蕾|責編:賀瑞君
  • 出版社：人民郵電
  • ISBN：9787115636676
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：178
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要介紹量子機器學習的背景知識、基礎概念，以及一些重要的量子機器學習演算法的基本原理與實現。本書共9章，主要內容包括量子機器學習背景知識、量子計算基礎、量子機器學習框架VQNet、支持向量機、聚類、卷積神經網路、循環神經網路、生成對抗網路，以及自然語言處理。
    本書既可作為高等院校量子機器學習相關專業研究生、教師及科研人員的教材或參考書，也可作為量子機器學習愛好者的自學用書。
作者介紹
郭國平//方圓//李蕾|責編:賀瑞君
目錄
第1章  背景知識
  1.1  什麼是量子計算
    1.1.1  量子計算和經典計算的基本差異
    1.1.2  量子計算的基本概念
    1.1.3  量子計算的發展
  1.2  什麼是量子機器學習
    1.2.1  機器學習的基本概念
    1.2.2  量子機器學習的基本概念
    1.2.3  量子機器學習的應用前景
  1.3  量子機器學習的發展歷程與趨勢
    1.3.1  量子機器學習的發展歷史
    1.3.2  量子機器學習的研究現狀
    1.3.3  量子機器學習的未來發展
第2章  量子計算基礎
  2.1  量子比特與量子態
    2.1.1  量子比特的基本概念
    2.1.2  量子疊加態
  2.2  量子計算的特性
    2.2.1  量子並行計算
    2.2.2  量子糾纏特性
  2.3  量子邏輯門
    2.3.1  量子邏輯門的基本概念
    2.3.2  常用的單量子比特邏輯門
  2.4  量子測量
    2.4.1  量子測量的基本概念
    2.4.2  量子測量的實現
  2.5  量子演算法
    2.5.1  多伊奇-約薩演算法
    2.5.2  格羅弗演算法
    2.5.3  舒爾演算法
    2.5.4  HHL演算法
第3章  量子機器學習框架VQNet
  3.1  VQNet與量子機器學習
    3.1.1  量子機器學習框架
    3.1.2  量子機器學習框架與經典機器學習框架的區別及聯繫
    3.1.3  VQNet的組成
  3.2  VQNet的模型與優化
    3.2.1  經典梯度與量子梯度
    3.2.2  自動微分
    3.2.3  模型訓練
    3.2.4  模型優化
  3.3  VQNet的基本數據結構
    3.3.1  Tensor與QTensor
    3.3.2  QTensor函數與屬性
    3.3.3  創建函數
    3.3.4  數字函數
    3.3.5  邏輯函數
    3.3.6  矩陣操作
    3.3.7  實用函數
  3.4  VQNet的經典模塊

    3.4.1  Module類與經典網路層
    3.4.2  損失函數
    3.4.3  激活函數
    3.4.4  優化演算法
  3.5  VQNet的量子模塊
    3.5.1  量子計算層
    3.5.2  量子邏輯層
    3.5.3  量子線路組合
    3.5.4  量子測量
    3.5.5  量子演算法模塊
  3.6  小結
第4章  支持向量機
  4.1  經典支持向量機
    4.1.1  SVM的基本原理
    4.1.2  SVM的優化目標與約束條件
    4.1.3  SVM在分類和回歸問題中的應用
    4.1.4  SVM的優缺點與改進方法
  4.2  量子支持向量機
    4.2.1  QSVM的基本原理
    4.2.2  量子核方法
    4.2.3  QSVM的優化目標與約束條件
  4.3  量子支持向量機的具體實現
    4.3.1  QSVM的實現方法與流程
    4.3.2  量子演算法的複雜度與誤差控制
    4.3.3  QSVM的訓練過程與預測過程
    4.3.4  QSVM在VQNet中的實現
    4.3.5  QSVM的數據分類應用
  4.4  小結
第5章  聚類
  5.1  經典聚類
    5.1.1  聚類的概念與基本原理
    5.1.2  常用的聚類演算法
    5.1.3  性能度量和距離計算
    5.1.4  聚類演算法的優缺點與改進方法
  5.2  量子聚類
    5.2.1  量子聚類的基本原理
    5.2.2  常用的量子聚類演算法
    5.2.3  基於相似度的量子聚類演算法
  5.3  量子聚類在VQNet中的實現
    5.3.1  量子K-Means演算法流程
    5.3.2  量子K-Means演算法相似度計算
    5.3.3  基於VQNet的量子K-Means演算法
    5.3.4  量子K-Means演算法在鳶尾花聚類問題中的應用
  5.4  小結
第6章  卷積神經網路
  6.1  經典卷積神經網路
    6.1.1  CNN的基本原理
    6.1.2  卷積運算與池化運算
  6.2  量子卷積神經網路
    6.2.1  QCNN的基本原理

    6.2.2  QCNN的線路設計和優化
  6.3  量子卷積神經網路在圖像識別中的應用
    6.3.1  CNN的圖像識別過程
    6.3.2  QCNN圖像編碼
    6.3.3  QCNN圖像特徵提取
    6.3.4  QCNN手寫數字識別
  6.4  小結
第7章  循環神經網路
  7.1  經典循環神經網路
    7.1.1  傳統神經網路的局限性
    7.1.2  RNN的基本原理
    7.1.3  RNN的應用領域
    7.1.4  RNN的梯度消失與梯度爆炸問題
  7.2  長短時記憶網路
    7.2.1  LSTM網路的基本原理
    7.2.2  LSTM網路的應用領域
  7.3  量子循環神經網路
    7.3.1  QRNN的基本原理
    7.3.2  QRNN的量子線路設計
    7.3.3  QRNN的應用領域
  7.4  量子長短時記憶網路
    7.4.1  QLSTM網路的基本原理
    7.4.2  QLSTM網路的量子線路設計
    7.4.3  QLSTM網路的應用領域
  7.5  量子循環神經網路的應用
    7.5.1  文本分類的基本問題
    7.5.2  基於QRNN的文本分類方法
    7.5.3  基於QLSTM網路的文本分類方法
  7.6  小結
第8章  生成對抗網路
  8.1  經典生成對抗網路
    8.1.1  GAN的基本原理
    8.1.2  GAN的基本構成
    8.1.3  GAN的優缺點
    8.1.4  GAN的應用領域
  8.2  量子生成對抗網路
    8.2.1  QGAN的基本原理
    8.2.2  QGAN的基本構成
    8.2.3  QGAN的優缺點
  8.3  量子生成對抗網路的應用
    8.3.1  QGAN的量子態生成線路設計
    8.3.2  QGAN的生成指標與實驗
    8.3.3  QGAN的應用前景與挑戰
  8.4  小結
第9章  自然語言處理
  9.1  經典自然語言處理
    9.1.1  NLP的基本原理
    9.1.2  自然語言處理的基本流程
    9.1.3  文本分類
  9.2  量子自然語言處理

    9.2.1  QNLP的基本原理
    9.2.2  QNLP的發展歷程
  9.3  語法感知QNLP
    9.3.1  語法感知的基本原理
    9.3.2  語法感知QNLP的應用領域
    9.3.3  語法感知QNLP的具體實現與實驗
  9.4  量子Transformer
    9.4.1  Transformer的基本原理
    9.4.2  Transformer的應用領域
    9.4.3  QTransformer的量子線路設計
  9.5  量子情感分析的應用
    9.5.1  經典情感分析
    9.5.2  量子情感分析的基本原理
    9.5.3  基於語法感知QNLP的情感分析應用
    9.5.4  基於QTransformer的情感分析應用
  9.6  小結
主要術語對照表
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032