量子機器學習理論與實戰 郭國平 方圓 李蕾 9787115636676 【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：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$444
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：量子機器學習理論與實戰 ISBN：9787115636676 出版社：人民郵電 著編譯者：郭國平 方圓 李蕾 叢書名：量子計算理論與實踐 頁數：178 所在地：中國大陸 *此為代購商品 書號：1645202 可大量預訂，請先連絡。 內容簡介 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。作者簡介 郭國平，第十四屆全國人大代表，民革第十四屆中央委員會委員，中國科學院量子信息重點實驗室副主任，中國科學技術大學講席教授，中國計算機學會（CCF）量子計算專業委員會秘書長，安徽省量子計算工程研究中心主任，量子計算晶元安徽省重點實驗室主任，本源量子首席科學家、創始人，中國自主超導量子計算機研製團隊負責人。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 量子并行計算 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 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。 |
