量子機器學習

孫翼,王安民,張鵬飛

  • 出版商: 中國科學技術大學出版社
  • 出版日期: 2022-01-01
  • 售價: $576
  • 貴賓價: 9.5$547
  • 語言: 簡體中文
  • 頁數: 379
  • 裝訂: 平裝
  • ISBN: 7312049087
  • ISBN-13: 9787312049088
  • 相關分類: Machine Learning量子 Quantum
  • 立即出貨 (庫存 < 4)

買這商品的人也買了...

商品描述

量子機器學習是物理學與計算機科學交叉的研究領域,
它利用量子計算具有的天然並行計算優點來改進機器學習昂貴的經典算法。
本書較全面地討論了經典機器學習與量子機器學習的理論與框架以及 近的研究動態,
盡可能涵蓋經典機器學習基礎知識的各個方面,也包括的一些重要研究方向和成果介紹,並涉及的機器學習在物理學領域的應用。

目錄大綱

前言
章 緒論
1.1 經典機器學習
1.2 量子力學
1.3 量子計算
1.4 量子機器學習
1.5 本書內容介紹
參考文獻
第2章 經典機器學習
2.1 線性模型
2.2 支持向量機算法
2.3 集成學習
2.4 無監督學習
2.5 深度學習
參考文獻
第3章 量子力學基礎
3.1 量子力學假設和概要
3.2 量子力學的表示和表象
3.3 量子雙態體系
3.4 EPR佯謬、貝爾不等式及其推廣
3.5 量子糾纏、混態與量子係綜
參考文獻
第4章 量子信息與量子計算引論
4.1 量子信息概述
4.2 量子計算的線路模型
4.3 量子門
4.4 量子算法
參考文獻
第5章 線性模型和算法
5.1 幾個重要的量子機器學習步驟
5.2 線性方程組算法
5.3 量子線性回歸算法
5.4 量子判別式分析
5.5 量子支持向量機分類
參考文獻
第6章 量子絕熱計算
6.1 量子絕熱計算和絕熱近似
6.2 量子退火與絕熱算法
6.3 物理實現與D-Wave
參考文獻
第7章 量子神經網絡
7.1 量子神經網絡基礎
7.2 量子感知器模型
7.3 前向量子神經網絡的訓練方法
參考文獻
第8章 無監督的量子機器學習
8.1 量子聚類
8.2 主成分分析
8.3 量子奇異值分解
8.4 量子譜聚類
參考文獻
第9章 量子強化學習
9.1 量子強化學習算法
9.2 強化學習在量子電路中的實現
9.3 隱量子馬爾可夫模型主動學習算法
參考文獻