文件名称：单层感知器神经网络matlab代码-Home:量子机器学习
文件大小：54KB
文件格式：ZIP
更新时间：2024-06-09 07:39:44
系统开源
单层感知器神经网络matlab代码依存关系 LaTeX文件使用tikz，这在大多数TeX发行版中应该是标准的。 Python文件使用matplotlib，numpy和seaborn。 此外，LaTeX用于呈现文本，因此LaTeX编译器应位于路径中。 绘制Bloch球面也需要QuTIP工具箱。 很棒的量子机器学习 精选的真棒量子机器学习算法，研究材料，库和软件的列表（按语言）。 目录 介绍 为什么要进行量子机器学习？ 机器学习（ML）只是最近几天的一个名词，但是其工作始于18世纪。 什么是机器学习？ 简单来说，答案是使计算机或应用程序学习自己。 因此，它与计算机科学和IT等计算领域完全相关吗？ ，答案不正确。 机器学习是一个通用的平台，融合了从农业到机械的生活各个方面。 计算是轻松有效地使用ML的关键组件。 更明确地说，谁是ML的母亲？毫无疑问，数学是ML的母亲。 世界上巨大的发明复数诞生了这个领域。 将数学应用于现实生活中的问题总是可以解决的。 从神经网络到复杂的DNA，都在某些特定的数学公式和定理下运行。 随着计算技术的发展，越来越快的数学进入这一领域，并通过计算向现实世界提出了解决
【文件预览】：
Home-master
----quantum_neural_network.tex(2KB)
----common_graphics_settings.py(1KB)
----README.md(59KB)
----swap_test.tex(2KB)
----graphics_utils.py(2KB)
----quantum_swap_gate.tex(2KB)
----quantum_swap.tex(1KB)
----convex_loss_functions.py(1KB)
----vc_dimension_line.py(634B)
----grover_operator.tex(2KB)
----bifurcation_graph.tex(1KB)
----toffoli_gate.tex(1KB)
----hadamard_gate.tex(1KB)
----perceptron.tex(1KB)
----feedforward.tex(2KB)
----bell_state_generator.tex(1KB)
----LICENSE(34KB)
----bloch_sphere.py(608B)
----cnot_gate.tex(1KB)
----quantum_annealing.py(960B)
----meter.svg(5KB)
----hopfield.tex(2KB)
----chimera.tex(2KB)
----xor_problem.py(667B)
----adiabatic_memory.py(1KB)
----quantum_parallelism.tex(2KB)
----unsupervised.py(1KB)
----fredkin_gate.tex(2KB)
----grover_search.tex(2KB)
----support_vectors.py(2KB)
----vc_dimension_sine.py(702B)
----transductive.py(1000B)
----supervised.py(709B)
----quantum_tunneling.py(2KB)
----adiabatic_process.py(1KB)
----nonconvex_loss_functions.py(1013B)