Supervised Learning with Quantum Computers (Quantum Science and Technology)

個数:

Supervised Learning with Quantum Computers (Quantum Science and Technology)

  • 提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
    重要ご説明事項
    1. 納期遅延や、ご入手不能となる場合が若干ございます。
    2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
    3. 美品のご指定は承りかねます。

    ●3Dセキュア導入とクレジットカードによるお支払いについて
  • 【入荷遅延について】
    世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
    おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。
  • ◆画像の表紙や帯等は実物とは異なる場合があります。
  • ◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
    また、洋書販売価格は、ご注文確定時点での日本円価格となります。
    ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。
  • 製本 Paperback:紙装版/ペーパーバック版/ページ数 287 p.
  • 言語 ENG
  • 商品コード 9783030071882

Full Description

Quantum machine learning investigates how quantum computers can be used for data-driven prediction and decision making. The books summarises and conceptualises ideas of this relatively young discipline for an audience of computer scientists and physicists from a graduate level upwards. It aims at providing a starting point for those new to the field, showcasing a toy example of a quantum machine learning algorithm and providing a detailed introduction of the two parent disciplines. For more advanced readers, the book discusses topics such as data encoding into quantum states, quantum algorithms and routines for inference and optimisation, as well as the construction and analysis of genuine ``quantum learning models''. A special focus lies on supervised learning, and applications for near-term quantum devices.

Contents

Introduction.- Background.- How quantum computers can classify data.- Organisation of the book.-  Machine Learning.- Prediction.- Models.- Training.- Methods in machine learning.- Quantum Information.- Introduction to quantum theory.- Introduction to quantum computing.- An example: The Deutsch-Josza algorithm.- Strategies of information encoding.- Important quantum routines.- Quantum advantages.- Computational complexity of learning.- Sample complexity.- Model complexity.- Information encoding.-  Basis encoding.- Amplitude encoding.- Qsample encoding.- Hamiltonian encoding.- Quantum computing for inference.- Linear models.- Kernel methods.- Probabilistic models.- Quantum computing for training.-  Quantum blas.- Search and amplitude amplification.- Hybrid training for variational algorithms.- Quantum adiabatic machine learning.- Learning with quantum models.- Quantum extensions of Ising-type models.- Variational classifiers and neural networks.- Other approaches to buildquantum models.- Prospects for near-term quantum machine learning.- Small versus big data.- Hybrid versus fully coherent approaches.- Qualitative versus quantitative advantages.- What machine learning can do for quantum computing.- References.

最近チェックした商品