免费下载书籍地址：PDF下载地址
精美图片
量子机器学习中数据挖掘的量子计算方法：英文书籍详细信息
- ISBN：9787560357591
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2016-01
- 页数：174
- 价格：77.40
- 纸张：胶版纸
- 装帧：平装-胶订
- 开本：16开
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
《量子机器学习中数据挖掘的量子计算方法(英文版)》分三个部分对量子机器学习中数据挖掘的量子计算方法进行了介绍，第壹部分对基础概念进行了整体概述，例如，机器学习、量子力学、量子计算等，第二部分介绍了经典的学习算法，第三部分介绍了量子计算与机器学习。这本书综合了广泛的调查研究形成，采用简洁的表达形式，并配以应用、实践的例子。
书籍目录：
目录
Preface
Notations
PartOne FundamentaIConcepts
1 Introduction
1.1 Learning Theory and Data Mining
1.2 Why Quantum Computers？
1.3 A Heterogeneous Model
1.4 An Overview of Quantum Machine Learning Algorithms
1.5 Quantum—Like Learning on Classical Computers
2 Machine Learning
2.1 Data—DrivenModels
2.2 FeatureSpace
2.3 Supervised and Unsupervised Learning
2.4 GeneralizationPerformance
2.5 ModeIComplexity
2.6 Ensembles
2.7 Data Dependencies and ComputationalComplexity
3 Quantum Mechanics
3.1 States and Superposition
3.2 Density Matrix Representation and Mixed States
3.3 Composite Systems and Entanglement
3.4 Evolution
3.5 Measurement
3.6 UncertaintyRelations
3.7 Tunneling
3.8 Adiabatic Theorem
3.9 No—CloningTheorem
4 Quantum Computing
4.1 Qubits and the Bloch Sphere
4.2 QuantumCircuits
4.3 Adiabatic Quantum Computing
4.4 QuantumParallelism
4.5 Grover's Algorithm
4.6 ComplexityClasses
4.7 QuantumInformationTheory
Part Two ClassicalLearning Algorithms
5 Unsupervised Learning
5.1 Principal Component Analysis
5.2 ManifoldEmbedding
5.3 K—Means and K—Medians Clustering
5.4 HierarchicalClustering
5.5 Density—BasedClustering
6 Pattern Recogrution and Neural Networks
6.1 ThePerceptron
6.2 HopfieldNetworks
6.3 FeedforwardNetworks
6.4 DeepLearning
6.5 ComputationalComplexity
7 Supervised Learning and Support Vector Machines
7.1 K—NearestNeighbors
7.20ptimal Margin Classifiers
7.3 SoftMargins
7.4 Nonlinearity and KemelFunctions
7.5 Least—SquaresFormulation
7.6 Generalization Performance
7.7 Multiclass Problems
7.8 Loss Functions
7.9 ComputationalComplexity
8 Regression Analysis
8.1 Linear Least Squares
8.2 NonlinearRegression
8.3 NonparametricRegression
8.4 ComputationalComplexity
9 Boosting
9.1 WeakClassifiers
9.2 AdaBoost
9.3 A Family of Convex Boosters
9.4 Nonconvex Loss Functions
Part Three Quantum Computing and Machine Learning
10 Clustering Structure and Quantum Computing
10.1 Quantum Random Access Memory
10.2 Calculating Dot Products
10.3 Quantum Principal Component Analysis
10.4 Toward Quantum Manifold Embedding
10.5 QuantumK—Means
10.6 QuantumK—Medians
10.7 Quantum Hierarchical Clustering
10.8 ComputationalComplexity
11 Quantum Pattern Recognition
11.1 Quantum Associative Memory
11.2 The Quantum Perceptron
11.3 Quantum Neural Networks
11.4 PhysicaIRealizations
11.5 ComputationalComplexity
12 QuantumClassification
12.1 Nearest Neighbors
12.2 Support Vector Machines with Grover's Search
12.3 Support Vector Machines with Exponential Speedup
12.4 ComputationalComplexity
13 Quantum Process Tomography and Regression
13.1 Channel—State Duality
13.2 Quantum Process Tomography
13.3 Groups， Compact Lie Groups， and the Unitary Group
13.4 Representation Theory
13.5 Parallel Application and Storage of the Unitary
13.6 Optimal State for Learning
13.7 Applying the Unitary and Finding the Parameter for the Input State
14 Boosting and Adiabatic Quantum Computing
14.1 Quantum Annealing
14.2 Quadratic Unconstrained Binary Optimization
14.3 Ising Model
14.4 QBoost
14.5 Nonconvexity
14.6 Sparsity， Bit Depth， and Generalization Performance
14.7 Mapping to Hardware
14.8 ComputationalComplexity
Bibliography
作者介绍：
作者：（匈牙利）维特克（Wittek P.）
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
Recent advances in quantum information theory indicate that machine leamingmay benefit from various paradigms of the field.For instance， adiabatic quantumcomputing finds the minimum of a multivariate function by a controlled physicalprocess using the adiabatic theorem （Farhi et al.， 2000）.The function is translated toa physical description， the Hamiltonian operator of a quantum system.Then， a systemwith a simple Hamiltonian is prepared and initialized to the ground state， the lowestenergy state a quantum system can occupy.Finally， the simple Hamiltonian is evolvedto the target Hamiltonian， and， by the adiabatic theorem， the system remains in theground state.At the end of the process， the solution is read out from the system， andwe obtain the global optimum for the function in question.
While more and more articles that explore the intersection of quantum computingand machine learning are being published， the field is fragmented， as was alreadynoted over a decade ago （Bonner and Freivalds， 2002）.This should not come as asurprise： machine learning itself is a diverse and fragmented field of inquiry.Weattempt to identify common algorithms and trends， and observe the subtle interplaybetween faster execution and improved performance in machine learning by quantumcomputing.
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：量子机器学习中数据挖掘的量子计算方法：英文在线阅读
在线听书地址：量子机器学习中数据挖掘的量子计算方法：英文在线收听
在线购买地址：量子机器学习中数据挖掘的量子计算方法：英文在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
编辑推荐
《量子机器学习中数据挖掘的量子计算方法(英文版)》由哈尔滨工业大学出版社出版。
书籍介绍
《量子机器学习中数据挖掘的量子计算方法(英文版)》分三个部分对量子机器学习中数据挖掘的量子计算方法进行了介绍，第壹部分对基础概念进行了整体概述，例如，机器学习、量子力学、量子计算等，第二部分介绍了经典的学习算法，第三部分介绍了量子计算与机器学习。这本书综合了广泛的调查研究形成，采用简洁的表达形式，并配以应用、实践的例子。
书籍真实打分
故事情节：8分
人物塑造：3分
主题深度：9分
文字风格：3分
语言运用：4分
文笔流畅：4分
思想传递：3分
知识深度：8分
知识广度：3分
实用性：3分
章节划分：8分
结构布局：8分
新颖与独特：8分
情感共鸣：4分
引人入胜：8分
现实相关：9分
沉浸感：3分
事实准确性：7分
文化贡献：6分
网站评分
书籍多样性：9分
书籍信息完全性：6分
网站更新速度：6分
使用便利性：4分
书籍清晰度：8分
书籍格式兼容性：5分
是否包含广告：6分
加载速度：4分
安全性：5分
稳定性：6分
搜索功能：9分
下载便捷性：7分
下载点评
- 五星好评(160+)
- 无漏页(70+)
- 内容齐全(635+)
- 下载快(403+)
- 一般般(330+)
- 少量广告(114+)
- 赚了(484+)
- 无水印(149+)
- 实惠(525+)
- 无颠倒(199+)
- 超值(449+)
- 好评(656+)
下载评价
网友 戈***玉：特别棒
网友 师***怀：好是好，要是能免费下就好了
网友 通***蕊：五颗星、五颗星，大赞还觉得不错！~~
网友 孙***夏：中评，比上不足比下有余
网友 邱***洋：不错，支持的格式很多
网友 冯***卉：听说内置一千多万的书籍，不知道真假的
网友 家***丝：好6666666
网友 孙***美：加油！支持一下！不错，好用。大家可以去试一下哦
网友 温***欣：可以可以可以
网友 芮***枫：有点意思的网站，赞一个真心好好好 哈哈
网友 曹***雯：为什么许多书都找不到？
网友 沈***松：挺好的，不错
网友 康***溪：强烈推荐！！！