加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
量子人工智能 金贤敏,胡俊杰 编 专业科技 文轩网
¥ ×1
商品
服务
物流
https://product.suning.com/0070067633/11555288247.html
量子人工智能
本书中不仅是在讨论量子人工智能这一前沿科技话题,编者们在实现应用案例的探索中也尽力选择了对开发者最友好开发方式,帮助兴趣爱好者了解量子人工智能算法设计和应用的最便捷的路径,启发更多想法和方案的诞生。
量子计算与人工智能的交叉融合,促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式,构建量子人工智能应用。全书共13章,第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式,用量子线路中的相位作为神经网络的可学习参数,重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第9章是量子人工智能的进阶知识,讲解不同量子算法的可行的评估方式和量子神经网络基于Torch.Script技术进行算子化的内容。第10~13章通过在原生的深度学习PyTorch环境中引入量子算法,带来可能的量子增强,并分别实现了对材料晶体结构相变过程搜索,冠状病毒RNA序列变异预测、药物虚拟筛选中亲和能的预测及基因表达药物设计等案例。本书可作为量子人工智能初学者的入门书籍,PyTorchnull
金贤敏,上海交通大学长聘教授,博士生导师,集成量子信息技术研究中心主任,获上海市青年科技英才奖、全国百篇优秀博士论文奖、中国科学院百篇优秀博士论文奖,区域光纤通信网与新型光通信系统实验室学术带头人。 胡俊杰,现就职于上海交通大学集成量子信息技术研究中心,主要研究方向为在实验室光子芯片平台上进行量子模拟与量子机器学习。毕业于中国科学院大学并获得博士学位,研究方向为机器学习与材料模拟的交叉方向。
无
第1章量子计算和人工智能1.1量子计算机体系各个物理进展1.2量子线路介绍1.3量子神经网络及其应用参考文献第2章量子计算基础框架2.1量子计算基本概念2.1.1复内积空间2.1.2狄拉克符号2.1.3量子比特2.2矩阵的张量积2.3封闭量子系统中量子态的演化(酉算子)2.4量子门2.5量子电路2.6量子测量2.7密度算子2.8含参数的量子门表示2.9约化密度算子2.10量子信息的距离度量2.11经典的量子算法和工具第3章量子自编码网络3.1经典自编码网络3.2变分自编码网络3.3量子自编码网络的量子信息学基础3.3.1量子信息学中的偏迹运算3.3.2保真度与量子自编码网络的损失函数3.4量子自编码网络3.5案例参考文献第4章卷积、图、图神经网络相关算法4.1卷积神经网络4.1.1经典卷积神经网络4.1.2AlexNet4.2量子卷积神经网络4.2.1回顾经典卷积4.2.2量子卷积4.2.3代码实现4.3量子图循环神经网络4.3.1背景介绍4.3.2经典GGRU4.3.3基于QuGRU实现的QuGGRU4.3.4循环图神经网络补充介绍参考文献第5章注意力机制5.1注意力机制背景5.1.1Self-Attention5.1.2Multi-Head Attention5.1.3量子注意力机制5.1.4量子注意力机制的代码实现5.2图注意力机制5.2.1图注意力网络5.2.2经典算法的代码实现5.2.3量子图注意力网络第6章量子对抗自编码网络6.1经典生成对抗网络6.1.1生成对抗网络介绍6.1.2GAN的训练过程及代码6.1.3GAN的损失函数6.2量子判别器6.3对抗自编码网络6.3.1对抗自编码网络架构6.3.2对抗自编码网络的代码实现6.3.3监督的对抗自编码网络架构6.3.4监督的对抗自编码网络的代码实现6.3.5量子有监督对抗自编码网络第7章强化学习的概念与理论7.1强化学习的概念7.1.1什么是强化学习7.1.2马尔可夫决策过程7.2基于值函数的强化学习方法7.2.1基于蒙特卡洛的强化学习方法7.2.2基于时间差分的强化学习方法7.2.3基于值函数逼近的强化学习方法7.3基于策略的强化学习方法7.4基于参数化量子逻辑门的强化学习方法7.4.1量子态编码方法7.4.2Q-Policy Gradient方法第8章量子机器学习模型评估第9章基于TorchScript量子算子编译9.1TorchScript语义和语法9.1.1术语及类型9.1.2类型注释9.2PyTorch模块转换为TorchScript9.2.1跟踪量子及经典神经网络9.2.2script()方法编译量子模型及其函数9.2.3混合编译、跟踪及保存加载模型9.3Torch自动求导机制9.3.1自动求导机制的使用方法9.3.2自动求导的微分及有向无环图9.3.3量子算子及编译原理9.3.4量子求导及编译第10章量子StyleGAN预测新冠毒株Delta的变异结构10.1经典StyleGAN模型10.1.1移除传统输入10.1.2添加映射网络10.1.3生成网络与特征控制10.2StyleGAN部分代码10.3量子QuStyleGAN模型10.3.1QuStyleGAN模型构建10.3.2量子启发模糊卷积10.3.3量子渐进式训练10.4QuStyleGAN部分代码10.5QuStyleGAN生成表现第11章模拟材料相变过程路径搜索11.1建模方法11.2实现方案第12章蛋白质-生物分子亲和能力预测第13章基因表达附录A神经网络基础简介A.1感知机A.2多层感知机A.3神经网络A.4激活函数A.5损失函数A.6误差反向传播A.7参数更新A.8模型优化
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员