量子機器學習-基於Python的理論和實現 姜楠 王健 張蕊 9787302662563 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$439
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202406*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：量子機器學習-基於Python的理論和實現 ISBN：9787302662563 出版社：清華大學 著編譯者：姜楠 王健 張蕊 頁數：242 所在地：中國大陸 *此為代購商品 書號：1641366 可大量預訂，請先連絡。 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演算法效率，是下一代智能計算的一個重要發展方向。隨著量子計算機硬體的發展，通過本地或者雲平台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演算法的複雜度，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，然後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、量子神經網路及量子強化學習的演算法理論，並提供部分演算法的示例和代碼，以幫助讀者進一步理解量子機器學習演算法。 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演算法；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。目錄 第1章 緒論1 1 研究背景及意義 1 2 經典機器學習 1 3 量子計算 1 4 量子機器學習 1 5 本書組織結構 參考文獻 第2章 量子計算基礎 2 1 單量子比特 2 2 張量積和多量子比特 2 3 內積 2 4 運算元 2 5 量子門 2 5 1 單量子比特門 2 5 2 多量子比特門 2 6 量子并行性和黑箱 2 7 量子糾纏 2 8 量子不可克隆性 2 9 量子測量 2 9 1 一般測量 2 9 2 投影測量 2 9 3 相位 2 10 密度運算元和偏跡 2 11 量子計算複雜性 2 12 量子實現環境 2 13 本章小結 參考文獻 第3章 量子基本演算法 3 1 量子態製備 3 1 14 維量子態製備 3 1 2 M維量子態製備 3 1 3 實現 3 2 量子搜索演算法 3 2 1 黑箱 3 2 2 Grover演算法 3 2 3 G運算元的圖形化解釋 3 2 4 演算法分析 3 2 5 實現 3 3 量子傅里葉變換 3 3 1 離散傅里葉變換原理 3 3 2 量子傅里葉變換演算法 3 3 3 實現 3 4 量子相位估計 3 4 1 演算法 3 4 2 實現 3 5 量子振幅估計 3 5 1 振幅放大 3 5 2 完整演算法 3 5 3 實現 3 6 交換測試 3 6 1 演算法 3 6 2 實現 3 7 哈達瑪測試 3 7 1 哈達瑪測試計算內積的實部 3 7 2 哈達瑪測試計算內積的虛部 3 7 3 實現 3 8 HHL演算法 3 8 1 哈密頓量模擬 3 8 2 演算法基本思想 3 8 3 演算法步驟 3 8 4 實現 3 9 本章小結 參考文獻 第4章 量子降維 4 1 量子主成分分析 4 1 1 主成分分析原理 4 1 2 協方差矩陣與密度運算元 4 1 3 基於交換測試的量子主成分分析演算法 4 1 4 基於相位估計的量子主成分分析 4 2 量子奇異值闞值演算法 4 2 1 奇異值閾值演算法原理 4 2 2 量子奇異值閾值演算法原理 4 2 3 實現 4 3 量子線性判別分析 4 3 1 線性判別分析原理 4 3 2 量子線性判別分析原理 4 4 本章小結 參考文獻 第5章 量子分類 5 1 量子支持向量機 5 1 1 支持向量機原理 5 1 2 量子支持向量機演算法 5 1 3 量子核函數 5 1 4 實現 5 2 量子K近鄰 5 2 1 K近鄰基本原理 5 2 2 量子距離 5 2 3 量子最大值搜索 5 2 4 量子K近鄰演算法 5 2 5 實現 5 3 量子決策樹 5 3 1 決策樹基本原理 5 3 2 量子決策樹演算法 5 4 本章小結 參考文獻 第6章 量子回歸 6 1 量子線性回歸 6 1 1 線性回歸原理 6 1 2 量子線性回歸演算法 6 1 3 實現 6 2 量子嶺回歸 6 2 1 量子嶺回歸演算法 6 2 2 實現 6 3 量子邏輯回歸 6 3 1 邏輯回歸原理 6 3 2 偏導數的量子計算方法 6 3 3 量子邏輯回歸演算法 6 4 本章小結 參考文獻 第7章 量子聚類 7 1 量子K均值聚類 7 1 1 K均值聚類原理 7 1 2 量子K均值聚類演算法 7 1 3 複雜度分析 7 1 4 實現 7 2 量子層次聚類 7 2 1 量子凝聚層次聚類 7 2 2 量子分裂層次聚類 7 3 量子譜聚類 7 3 1 譜聚類基本概念 7 3 2 量子譜聚類演算法 7 4 基於薛定諤方程的量子聚類演算法 7 4 1 量子勢能 7 4 2 分類屬性數據的相似度和相異度 7 4 3 基於薛定諤方程的聚類演算法 7 5 本章小結 參考文獻 第8章 量子神經網路 8 1 量子感知機 8 1 1 感知機原理 8 1 2 量子感知機演算法 8 1 3 實現 8 2 量子神經網路 8 2 1 神經網路原理 8 2 2 參數化量子線路 8 2 3 目標函數與優化 8 2 4 實現 8 3 量子生成對抗網路 8 3 1 生成對抗網路原理 8 3 2 參數化量子線路 8 3 3 量子生成對抗網路演算法 8 3 4 量子生成器后處理 8 3 5 實現 8 4 量子受限玻耳茲曼機 8 4 1 參數化量子線路 8 4 2 參數更新 8 4 3 實現 8 5 量子卷積神經網路 8 5 1 卷積神經網路原理 8 5 2 量子卷積神經網路原理 8 6 量子圖神經網路 8 7 本章小結 參考文獻 第9章 量子強化學習 9 1 強化學習原理 9 1 1 基本問題 9 1 2 馬爾可夫決策過程 9 1 3 值函數 9 1 4 強化學習演算法 9 2 基於經典環境的量子強化學習 9 2 1 演算法 9 2 2 實現 9 3 基於量子環境的量子強化學習 9 4 本章小結 參考文獻 附錄A 譜定理 附錄B 量子數學運算演算法 B 1 量子乘加法器 B 2 正弦函數的量子實現 B 3 其他數學運算的量子實現 附錄C 函數對向量和矩陣求導 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
