掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
量子機器學習——基于PYTHON的理論和實現 版權信息
- ISBN：9787302662563
- 條形碼：9787302662563 ; 978-7-302-66256-3
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
量子機器學習——基于PYTHON的理論和實現 本書特色
(1) 聚焦量子機器學習這一前沿研究領域，基于量子特性，給出實現機器學習的全新方法。緊扣“量子”機器學習，而非經典機器學習，干貨滿滿。 (2) 內容完整，涵蓋量子降維、量子分類、量子回歸、量子聚類、量子神經網絡、量子強化學習六大方面，使讀者對量子機器學習形成整體認知。 (3) 理論和實踐相結合，基于Python編程實現量子機器學習算法，給出22個實現案例，均包含完整代碼。 (4) 新形態教材，配套資源豐富，包括教學大綱、PPT課件、案例程序代碼等，可掃描目錄上方二維碼下載。 (5) 可作為高等院校教材以及科研人員參考資料，讀者既能從算法理論中受到啟發，又能通過案例掌握實驗方法。 基礎理論、實現案例、程序代碼、教學課件理論與實驗相結合。理論上探究量子機器學習；實驗中掌握量子機器學習
量子機器學習——基于PYTHON的理論和實現 內容簡介
量子計算機具有天然的并行性，相比經典計算機能顯著提高算法效率，是下一代智能計算的一個重要發展方向。隨著量子計算機硬件的發展，通過本地或者云平臺進行量子計算越來越容易，量子計算相關研究逐漸從理論走向實用。量子機器學習是機器學習和量子計算的交叉領域，它研究的是如何利用量子疊加、并行等特性降低經典機器學習算法的復雜度，以解決數據量大、數據維度高造成的訓練困難等問題。 本書首先介紹量子計算的基礎知識，然后將理論和實踐相結合，介紹量子降維、量子分類、量子回歸、量子聚類、量子神經網絡及量子強化學習的算法理論，并提供部分算法的示例和代碼，以幫助讀者進一步理解量子機器學習算法。 本書可作為量子機器學習的入門書籍，供愛好者了解和學習量子機器學習算法；也可作為“量子機器學習”課程的教科書或參考書，供教師和學生閱讀參考；還可作為對量子機器學習感興趣的科研人員的參考書。
量子機器學習——基于PYTHON的理論和實現 目錄
資源下載
第1章 緒論 …………………………………………………………………………… 1
1.1 研究背景及意義 ………………………………………………………………… 2
1.2 經典機器學習 …………………………………………………………………… 3
1.3 量子計算 ………………………………………………………………………… 4
1.4 量子機器學習 …………………………………………………………………… 6
1.5 本書組織結構 …………………………………………………………………… 8
參考文獻 ……………………………………………………………………………… 9
第2章 量子計算基礎 ………………………………………………………………… 10
2.1 單量子比特 …………………………………………………………………… 11
2.2 張量積和多量子比特 ………………………………………………………… 13
2.3 內積 …………………………………………………………………………… 15
2.4 算子 …………………………………………………………………………… 16
2.5 量子門 ………………………………………………………………………… 17
2.5.1 單量子比特門 ………………………………………………………… 17
2.5.2 多量子比特門 ………………………………………………………… 21
2.6 量子并行性和黑箱 …………………………………………………………… 23
2.7 量子糾纏 ……………………………………………………………………… 24
2.8 量子不可克隆性 ……………………………………………………………… 25
2.9 量子測量 ……………………………………………………………………… 26
2.9.1 一般測量 ……………………………………………………………… 27
2.9.2 投影測量 ……………………………………………………………… 28
2.9.3 相位 …………………………………………………………………… 29
2.10 密度算子和偏跡 ……………………………………………………………… 29
2.11 量子計算復雜性 ……………………………………………………………… 33
2.12 量子實現環境 ………………………………………………………………… 34
2.13 本章小結 ……………………………………………………………………… 37
參考文獻 ……………………………………………………………………………… 37
第3章 量子基本算法 ………………………………………………………………… 38
3.1 量子態制備 …………………………………………………………………… 39
3.1.1 4維量子態制備 ……………………………………………………… 39
3.1.2 M 維量子態制備 ……………………………………………………… 40
3.1.3 實現 …………………………………………………………………… 41
3.2 量子搜索算法 ………………………………………………………………… 43
3.2.1 黑箱 …………………………………………………………………… 43
3.2.2 Grover算法 …………………………………………………………… 45
3.2.3 G 算子的圖形化解釋 ………………………………………………… 46
3.2.4 算法分析 ……………………………………………………………… 48
3.2.5 實現 …………………………………………………………………… 49
3.3 量子傅里葉變換 ……………………………………………………………… 52
3.3.1 離散傅里葉變換原理 ………………………………………………… 52
3.3.2 量子傅里葉變換算法 ………………………………………………… 52
3.3.3 實現 …………………………………………………………………… 55
3.4 量子相位估計 ………………………………………………………………… 58
3.4.1 算法 …………………………………………………………………… 58
3.4.2 實現 …………………………………………………………………… 61
3.5 量子振幅估計 ………………………………………………………………… 64
3.5.1 振幅放大 ……………………………………………………………… 64
3.5.2 完整算法 ……………………………………………………………… 66
3.5.3 實現 …………………………………………………………………… 68
3.6 交換測試 ……………………………………………………………………… 70
3.6.1 算法 …………………………………………………………………… 71
3.6.2 實現 …………………………………………………………………… 73
3.7 哈達瑪測試 …………………………………………………………………… 74
3.7.1 哈達瑪測試計算內積的實部 ………………………………………… 74
3.7.2 哈達瑪測試計算內積的虛部 ………………………………………… 75
3.7.3 實現 …………………………………………………………………… 77
3.8 HHL算法 ……………………………………………………………………… 78
3.8.1 哈密頓量模擬 ………………………………………………………… 79
3.8.2 算法基本思想 ………………………………………………………… 80
3.8.3 算法步驟 ……………………………………………………………… 81
3.8.4 實現 …………………………………………………………………… 83
3.9 本章小結 ……………………………………………………………………… 87
參考文獻 ……………………………………………………………………………… 88
Ⅵ
第4章 量子降維 ……………………………………………………………………… 89
4.1 量子主成分分析 ……………………………………………………………… 90
4.1.1 主成分分析原理 ……………………………………………………… 90
4.1.2 協方差矩陣與密度算子 ……………………………………………… 91
4.1.3 基于交換測試的量子主成分分析算法 ……………………………… 92
4.1.4 基于相位估計的量子主成分分析 …………………………………… 97
4.2 量子奇異值閾值算法 ………………………………………………………… 97
4.2.1 奇異值閾值算法原理 ………………………………………………… 97
4.2.2 量子奇異值閾值算法原理 …………………………………………… 98
4.2.3 實現 ………………………………………………………………… 101
4.3 量子線性判別分析 …………………………………………………………… 106
4.3.1 線性判別分析原理 ………………………………………………… 106
4.3.2 量子線性判別分析原理 …………………………………………… 108
4.4 本章小結 ……………………………………………………………………… 110
參考文獻 …………………………………………………………………………… 111
第5章 量子分類 ……………………………………………………………………… 112
5.1 量子支持向量機 ……………………………………………………………… 113
5.1.1 支持向量機原理 …………………………………………………… 113
5.1.2 量子支持向量機算法 ……………………………………………… 114
5.1.3 量子核函數 ………………………………………………………… 116
5.1.4 實現 ………………………………………………………………… 117
5.2 量子 K 近鄰 ………………………………………………………………… 120
5.2.1 K 近鄰基本原理 …………………………………………………… 120
5.2.2 量子距離 …………………………………………………………… 121
5.2.3 量子*大值搜索 …………………………………………………… 121
5.2.4 量子 K 近鄰算法 …………………………………………………… 121
5.2.5 實現 ………………………………………………………………… 125
5.3 量子決策樹 …………………………………………………………………… 133
5.3.1 決策樹基本原理 …………………………………………………… 133
5.3.2 量子決策樹算法 …………………………………………………… 135
5.4 本章小結 ……………………………………………………………………… 136
參考文獻 …………………………………………………………………………… 136
Ⅶ
第6章 量子回歸 ……………………………………………………………………… 137
6.1 量子線性回歸 ………………………………………………………………… 138
6.1.1 線性回歸原理 ……………………………………………………… 138
6.1.2 量子線性回歸算法 ………………………………………………… 139
6.1.3 實現 ………………………………………………………………… 140
6.2 量子嶺回歸 …………………………………………………………………… 142
6.2.1 量子嶺回歸算法 …………………………………………………… 142
6.2.2 實現 ………………………………………………………………… 143
6.3 量子邏輯回歸 ………………………………………………………………… 148
6.3.1 邏輯回歸原理 ……………………………………………………… 148
6.3.2 偏導數的量子計算方法 …………………………………………… 149
6.3.3 量子邏輯回歸算法 ………………………………………………… 151
6.4 本章小結 ……………………………………………………………………… 152
參考文獻 …………………………………………………………………………… 152
第7章 量子聚類 ……………………………………………………………………… 153
7.1 量子 K 均值聚類 …………………………………………………………… 154
7.1.1 K 均值聚類原理 …………………………………………………… 154
7.1.2 量子 K 均值聚類算法 ……………………………………………… 154
7.1.3 復雜度分析 ………………………………………………………… 155
7.1.4 實現 ………………………………………………………………… 156
7.2 量子層次聚類 ………………………………………………………………… 158
7.2.1 量子凝聚層次聚類 ………………………………………………… 158
7.2.2 量子分裂層次聚類 ………………………………………………… 163
7.3 量子譜聚類 …………………………………………………………………… 164
7.3.1 譜聚類基本概念 …………………………………………………… 164
7.3.2 量子譜聚類算法 …………………………………………………… 167
7.4 基于薛定諤方程的量子聚類算法 …………………………………………… 170
7.4.1 量子勢能 …………………………………………………………… 170
7.4.2 分類屬性數據的相似度和相異度 ………………………………… 171
7.4.3 基于薛定諤方程的聚類算法 ……………………………………… 171
7.5 本章小結 ……………………………………………………………………… 172
參考文獻 …………………………………………………………………………… 173
Ⅷ
第8章 量子神經網絡 ………………………………………………………………… 174
8.1 量子感知機 …………………………………………………………………… 175
8.1.1 感知機原理 ………………………………………………………… 175
8.1.2 量子感知機算法 …………………………………………………… 176
8.1.3 實現 ………………………………………………………………… 179
8.2 量子神經網絡 ………………………………………………………………… 182
8.2.1 神經網絡原理 ……………………………………………………… 182
8.2.2 參數化量子線路 …………………………………………………… 183
8.2.3 目標函數與優化 …………………………………………………… 185
8.2.4 實現 ………………………………………………………………… 187
8.3 量子生成對抗網絡 …………………………………………………………… 195
8.3.1 生成對抗網絡原理 ………………………………………………… 196
8.3.2 參數化量子線路 …………………………………………………… 197
8.3.3 量子生成對抗網絡算法 …………………………………………… 198
8.3.4 量子生成器后處理 ………………………………………………… 200
8.3.5 實現 ………………………………………………………………… 201
8.4 量子受限玻耳茲曼機 ………………………………………………………… 207
8.4.1 參數化量子線路 …………………………………………………… 208
8.4.2 參數更新 …………………………………………………………… 208
8.4.3 實現 ………………………………………………………………… 209
8.5 量子卷積神經網絡 …………………………………………………………… 212
8.5.1 卷積神經網絡原理 ………………………………………………… 212
8.5.2 量子卷積神經網絡原理 …………………………………………… 213
8.6 量子圖神經網絡 ……………………………………………………………… 214
8.7 本章小結 ……………………………………………………………………… 216
參考文獻 …………………………………………………………………………… 216
第9章 量子強化學習 ………………………………………………………………… 217
9.1 強化學習原理 ………………………………………………………………… 218
9.1.1 基本問題 …………………………………………………………… 218
9.1.2 馬爾可夫決策過程 ………………………………………………… 219
9.1.3 值函數 ……………………………………………………………… 220
9.1.4 強化學習算法 ……………………………………………………… 220
Ⅸ
9.2 基于經典環境的量子強化學習 ……………………………………………… 221
9.2.1 算法 ………………………………………………………………… 222
9.2.2 實現 ………………………………………………………………… 223
9.3 基于量子環境的量子強化學習 ……………………………………………… 229
9.4 本章小結 ……………………………………………………………………… 229
參考文獻 …………………………………………………………………………… 230
附錄A 譜定理 ………………………………………………………………………… 231
附錄B 量子數學運算算法 …………………………………………………………… 234
B.1 量子乘加法器 ……………………………………………………………… 235
B.2 正弦函數的量子實現 ……………………………………………………… 238
B.3 其他數學運算的量子實現 ………………………………………………… 239
附錄C 函數對向量和矩陣求導 ……………………………………………………… 241
展開全部
量子機器學習——基于PYTHON的理論和實現 作者簡介
姜楠，北京工業大學信息學部教授，博士生導師。主要研究方向包括量子機器學習、量子圖像處理、內容安全和計算智能，講授“信息論與編碼理論”“量子機器學習”等課程。近5年發表SCI源刊論文近20篇。主持國家自然科學基金項目1項。CCF量子計算專委會執行委員，北京市委組織部優秀人才。出版量子計算和信息論方面的專著1部，教材2部。 王健，北京交通大學計算機與信息技術學院副教授，博士生導師，信息安全系副主任。主要研究領域為量子機器學習、網絡安全、大數據安全與分析、密碼應用，講授“量子計算”“計算機網絡”等課程。近5年發表SCI源刊論文近20篇。主持國家科技重大專項子課題等課題十余項。出版量子計算和信息論方面的專著1部，教材2部。 張蕊，北京交通大學計算機與信息技術學院博士生。主要研究方向包括量子機器學習和量子信號處理。發表SCI源刊論文6篇。
書友推薦
- >
李白與唐代文化
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伯納黛特,你要去哪(2021新版)
- >
唐代進士錄
- >
名家帶你讀魯迅:朝花夕拾
- >
山海經
- >
朝聞道
本類暢銷
