自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(41)
  • 资源 (1)
  • 收藏
  • 关注

原创 算法与数据结构(基于Go语言)学习笔记01

使用Go语言实现了汉诺塔问题求解、两种搜索算法、四种排序方法

2024-04-17 11:14:45 668

原创 数学物理方法笔记——Γ函数

本文是吴崇试的《数学物理方法》第七章学习笔记。今天是数学物理方法Ⅱ上课的第一天,老师在课上简单复习了一下上个学期数学物理方法Ⅰ的内容,笔者闲着没事,总觉得梁昆淼先生的书不太够味儿,便开始翻弄起手头吴崇试先生的数理方法开始看。Γ\GammaΓ函数、球函数、柱函数、格林函数法。今儿个咱就先看这个可爱的Γ\GammaΓ函数。根据笔者的观测,这一章主要阐述了三大函数的两大作用。Γ函数、ψ函数和B函数。两大作用分别是:化简积分和化简级数。

2024-02-21 12:05:02 1012

原创 IBM Qiskit量子机器学习速成(六)

卷积神经网络被广泛应用于图像和音频的识别当中,关键在于“卷积”操作赋予神经网络统筹学习数据的能力。执行卷积操作需要输入数据与卷积核,卷积核首先与输入数据左上角对齐,随后逐个计算对应位置处两个数字之积。当对卷积核中所有的元素均执行该乘积操作后,将结果全部加起来作为新的输出。在下图中,我们可以看到卷积核最多只能输出9个数据(就像游戏2048一样)。下面的动态图能更直观的展现这一过程每一次池化操作都需要输入数据和池化核,池化核会根据某一要求挑选出符合条件的元素作为代表。

2023-12-10 15:09:19 404

原创 IBM Qiskit量子机器学习速成(五)

为了将经典数据导入到量子电路中,我们需要加入一组特征映射。不出意外,我们使用ZZFeatureMap。在上一篇文章中,我们探讨了量子核的创建与简单应用。本文将详细阐述如何训练量子核。为了训练我们的量子核,我们要自定义一个自己的优化器回调类。和上一章一样,我们可以在支撑向量分类器中使用量子核。出于训练目的,我们要事先准备好数据集。创建好量子核之后,我们直接训练它。首先我们导入本次需要的所有包。下一步,我们正式创建量子核。

2023-12-09 23:16:10 307 2

原创 IBM Qiskit量子机器学习速成(四)

我们使用FidelityQuantumKernel类创建量子核,该类需要传入两个参数:特征映射和忠诚度(fidelity)。如果我们不传入忠诚度,该类会自动创建一个忠诚度。注意各个类所属的模块!

2023-12-09 01:42:33 362

原创 IBM Qiskit量子机器学习速成(三)

本章内容介绍如何将QNN作为一般的Torch神经层嵌入Torch框架的经典神经网络。首先我们会学习如何嵌入EstimatorQNN,最后我们会使用这一技术实现手写数字的识别。

2023-12-06 00:17:45 373

原创 IBM Qiskit量子机器学习速成(二)

本章节介绍如何使用量子神经网络处理机器学习中的分类与回归任务。一般而言,我们将这两大内容归类为“监督学习(supervised learning)”

2023-12-04 18:49:15 461 1

翻译 IBM Qiskit量子机器学习教程翻译:第六章 变分分类

在本章,我们会介绍变分算法,随后描述并实现变分量子分类器,讨论变分的训练方法。

2023-12-03 23:29:03 217

翻译 IBM Qiskit量子机器学习教程翻译:第五章 监督学习

监督学习是一种学习函数的机器学习方式,学习得到的函数会基于样例中的输入-输出配对方式,将输入数据映射到输出数据。它从由一组训练样例组成的标记训练数据中推断出一个函数,并使用一组测试样例计算其性能。我们可以把监督学习任务分为两种类型:分类(classification)和回归(regression)。量子监督学习领域近期大多数研究的焦点都在分类上,尤其是以下介绍的两种方法。

2023-12-03 23:26:22 113

原创 IBM Qiskit量子机器学习速成(一)

整部笔记描述了qiskit-machine-learning包中提供的的不同量子神经网络(quantum neural network, QNN)实现,以及它们如何被整合到基础量子机器学习(quantum machine learning, QML)工作流中.

2023-11-08 18:47:48 795

翻译 IBM Qiskit量子机器学习教程翻译:第四章 训练参数化量子电路

与经典模型一样,我们可以训练参数化量子电路模型来执行数据驱动的任务。从数据中学习任意函数的任务在数学上表示为代价或者损失函数(也称为目标函数)fθ⃗fθ的最小化,相对于参数向量θ⃗θ。通常,在训练参数化量子电路模型时,我们想要取最小值的函数是期望值Ψθ⃗∣H∣Ψθ⃗⟨Ψθ​H​Ψθ⟩我们可以使用许多不同类型的算法来优化变分电路的参数,UθU_\thetaUθ​(基于梯度的、进化的和无梯度的方法)。在本课程中,我们将讨论基于梯度的方法。

2023-11-01 00:31:21 275

翻译 IBM Qiskit量子机器学习教程翻译:第三章 数据编码

数据表示对于机器学习模型的成功至关重要。对于经典机器学习来说,问题是如何用数字表示数据,以便经典机器学习算法对数据进行最好的处理。对于量子机器学习来说,这个问题是类似的,但更基本:如何将数据表示并有效地输入到量子系统中,从而可以通过量子机器学习算法进行处理。这通常称为数据编码,但也称为数据嵌入或加载。这个过程是量子机器学习算法的关键部分,直接影响它们的计算能力。

2023-10-30 22:22:40 469

翻译 IBM Qiskit量子机器学习教程翻译:第二章 参数化电路

参数化量子电路,其中的门是通过可调参数定义的,是近期量子机器学习算法的基本组成部分。在文献中,根据上下文,参数化量子电路也被称为参数化试态、变分形式或分析。下面是一个简单的参数化电路的例子,有两个参数化门,一个单量子位zzz旋转门,具有可变的旋转角度θ\thetaθ,然后是两个量子位受控zzz旋转门,具有相同的可变旋转角度θ\thetaθ我们可以使用QuantumCircuit和Parameter类创建上述参数化电路。

2023-10-30 10:59:00 304

翻译 IBM Qiskit量子机器学习教程翻译:第一章 介绍

机器学习业已成为一个极为成功的跨学科领域,它试图在庞杂的数据中寻找模式。引入量子计算技术,将诞生一系列颇为有趣的研究领域,其目的在于利用量子力学原理来大大增强机器学习,反之亦然。在这本章,我们的目标是让你快速通览令人兴奋且日益成熟、壮大的量子机器学习领域。

2023-10-30 10:58:14 107

翻译 IBM Qiskit量子机器学习文档翻译(一):量子神经网络

整部笔记描述了qiskit-machine-learning包中提供的的不同量子神经网络(quantum neural network, QNN)实现,以及它们如何被整合到基础量子机器学习(quantum machine learning, QML)工作流中.整部笔记结构如下:经典神经网络是一种算法模型,其受到人脑结构的启发,可以在训练后用于识别图式(pattern)并学习解决复杂问题.它们基于一系列相互连接的节点或神经元(neurons),由一种层状结构组织起来,其中还有若干参数用于模型的学习(通过应用机

2023-03-30 16:24:47 1224 3

翻译 IBM量子计算科学包——Qiskit官方基础教程文档翻译(四):脉冲门

大多数量子算法可以单独用电路操作(circuit operations)实现.当我们对程序的低阶实现需要更多控制时,我们可以使用脉冲门(pulse gates).脉冲门移除了电路执行必须使用基础门的限制,同时也允许我们重写任意基础门的实现.

2023-03-29 17:22:52 504

翻译 Qiskit学习笔记(三)

Qiskit Terra中的一个核心组件就是出于模块化以及可扩展化的目的而设计的转译器(Transpiler)。其目标是使我们能够得到新的变形电路(亦即转译器通道)并将各种变形电路和其他既已存在的通道结合起来。所连接的通道种类以及连接顺序对最终结果有很大影响。连接所用的管道(pipeline)亦即通道管理器,它为通道的执行安排顺序,同时也允许通道之间借助某块共享空间进行通信。如此这般,众多转译器的存在为量子电路的进一步优化相关研究打开了大门。......

2022-08-09 17:28:19 1202

原创 scikit-learn机器学习 读书笔记(二)

在前面的例子中,我们实际上使用了真实数据(线性回归)与样本距离(KNN)来作为机器学习时的特征,简言之,机器学习的核心是从中进行学习进而归纳规律。在本章接下来的部分,我们将学习如何从文本中提取特征以实现抽象化,从而完成机器学习任务。...

2022-08-08 22:40:51 469 2

原创 scikit-learn机器学习 读书笔记(一)

机器学习是对软件工程的设计和学习,其使用过去的经验以指导未来的决策。机器学习研究能从数据中进行学习的软件,其基础目标是归纳,或者从一种未知规则的应用实例中归纳出相关规则。计算机科学家汤姆·米切尔对机器学习给出了一个更加正式的定义如果一个程序的性能在’T’中体现,通过’P’来衡量,并通过经验’E’来优化,那么该程序可以被视为针对一些任务类型’T’和性能衡量’P’从经验’E’中进行。.........

2022-07-26 22:25:59 574

翻译 Qiskit官方文档选译之量子傅里叶变换(Quantum Fourier Transform, QFT)

在这部分教程中,我们会介绍量子傅里叶变换(QFT),相关电路的推导以及电路的Qiskit实现。我们会展示如何在模拟器和五量子比特设备上运行QFT。傅里叶变换在经典计算中有很多版本,应用领域遍及从信号处理到数据压缩再到复杂度理论。量子傅里叶变换则是离散傅里叶变换的量子实现,它基于对波函数振幅的变换。它参与构成了很多量子算法,其中最著名的有Shor分解因子算法...

2022-06-20 13:28:35 985

原创 基于Qiskit——《量子计算编程实战》读书笔记(七)

本文简要讲述了量子傅里叶变换。

2022-06-18 10:55:49 556

原创 基于Qiskit——《量子计算编程实战》读书笔记(六)

本文简单探讨了量子逻辑门以及Grover算法

2022-06-12 00:20:56 1756 2

原创 基于Qiskit——《量子计算编程实战》读书笔记(五)

原书中第七章和第八章的内容,主要讲解了OpenQASM的使用以及与量子电路的相互转换

2022-06-04 11:34:33 1178

原创 基于Qiskit——《量子计算编程实战》读书笔记(四)

第5章 量子电路本章扩展了量子门的概念,介绍了量子电路(Quantum Circuit),它是经典电路的量子模拟。我们讨论了如何通过量子电路复制经典门,并继续介绍了量子电路的可视表示形式,该可视表示形式可用于轻松定义量子电路,而无须引用数学或使用编程语言。本章还讨论了可逆计算(Reversible Computation)的概念,并学习了如何组合门以撤销任何量子计算。我们还继续定义了若千个简单的电路,这些电路以后在构建更复杂的量子算法(Quantum Algorithm)时可用作非常实用的构建块。

2022-01-29 10:39:30 1178

原创 基于Qiskit——《量子计算编程实战》读书笔记(三)

第4章本章将介绍量子门(Quantum Gate) ,并提供对经典门的模拟。我们简要阐释了量子计算中最常用的门,即工、X、Y、Z、H和CNOT等,它们形成通用门集,可以进行组合以执行任何量子计算。本章描述了门如何作用于状态以改变状态,以及该过程为什么对经典计算和量子计算都很重要。本章还提供了这些常用量子门的Python实现,并练习了在Python中将这些门应用于到目前为止已经讨论过的状态的许多示例。

2022-01-27 15:11:21 2145

原创 基于Qiskit——《量子计算编程实战》读书笔记(二)

第3章我们已经了解了经典比特的量子版本:量子比特。本章将学习经典寄存器的量子版本,即容纳量子状态的最子寄存器(Quantum Register)。本章将提供代码来在Python中模拟量子态(Quantum States)和量子寄存器。我们讨论了可分离状态和量子纠缠,并且使用Python实现了对多个可能纠缠的量子比特的量子测量。本章最后还介绍了量子退相干(Quantum Decoherence)和量化退相干的参数,它们是决定量子计算品质的关键因数。

2022-01-27 01:31:07 950

原创 基于Qiskit——《量子计算编程实战》读书笔记(一)

第2章本章介绍了经典比特的量子概括,即量子比特(qubit)。. 我们解释了为什么量子比特是量子计算的基石。本章提供了在Python中模拟量子比特的代码,然后讨论了叠加和使用Python代码探索单个量子比特的3种不同表示形式(本书称为零/一、正/负和顺时针/逆时针)。此外,本章还介绍了布洛赫球面(Bloch Sphere),这是一种在球面上可视化单个量子比特的方法,并提供了Python 代码来探索这种可视化。最后,本章还详细介绍了单个量子比特的叠加和测量知识。

2022-01-13 10:48:52 1373

原创 Qiskit 学习笔记2

进阶电路

2021-02-06 17:28:33 1264 3

原创 Qiskit 学习笔记1

预备工作:安装与简单测试运行环境:Win10(64bits) + Anaconda3+ Visual Studio Code(以下简称vscode)用pip安装qiskit库(建议顺便安装 pylatexenc ,否则后期会出现某些错误):命令行下输入pip install qiskit,如果条件允许可以考虑科学上网,否则会白浪费很多时间(前:4KB/s,后:700KB/s) 在vscode的插件市场里搜索qiskit(建议官方的相关插件都安装上)Qiskit官方网站:https://qis..

2021-01-11 22:18:08 4859 16

原创 WSTP初体验

本文主要基于:基于WSTP的C++与Mathematica的混合编程及其应用 WSTP C 语言函数-Wolfram 语言与系统 参考资料中心(可能需要科学上网)环境:Qt 5.14.1(Qt Creator 4.11.0 Community) Mathematica 10.3(不要嫌弃是老版本,主要是没经费买个正版的) Windows 10我们的目标是实现C++与Mathematica的交互使用,本文主要介绍如何在C++里使用Mathematica提供的强大符号计算系统0.配置:

2020-07-21 13:47:02 772 1

原创 Pony语言学习(九)——泛型与模式匹配(终章)

一、泛型(Generics):(一)、泛型与引用能力(Generics and Reference Capabilities):!掌握泛型基础语法:[TypeName: ClassName ReferenceCapability]class Foo[T: Any val]如果不指明引用能力,编译器便不会在引用能力上限制:class Foo[A: Any]如果你想对任意类...

2020-04-04 17:01:56 209

原创 Pony语言学习(八):引用能力(Reference Capabilities)

(如果你有更好的翻译,请务必联系我。我们需要和Rust术语做到翻译看齐)1.总览(特译:https://tutorial.ponylang.io/reference-capabilities.html):我们已经学了很多有关Pony类型系统的知识,之后是表达式语法,在有关引用能力的这章里,我们会学到另一Pony类型系统组件级别的知识点。目前好像没有一款主流编程语言支持这一特性。那么什么是引...

2020-04-03 17:41:19 457

原创 GtkD开发之路

这些文章仅是记录我用GtkD做GUI的学习,当然,来访的各位可以借鉴看看(如果不嫌弃的话)。1.配置开发环境GtkD是基于D语言的GUI开发库,在我看来比较易用。第一步,先配置好D语言的开发环境:1.访问官网:https://dlang.org.下载并安装最新版的D语言安装程序。/安装完之后,在辗转去GtkD官网:https://gtkd.org/download.html

2020-04-03 10:56:46 580

原创 Pony语言学习(七)——表达式(Expressions)语法(单篇向)

一、字面量(Literals):(一)Bool值:没啥要说的,就是true和false????(二)数值(Numeric Literals):支持类型:U8, U16, U32, U64, U128, USize, ULong I8, I16, I32, I64, I128, ISize, ILong F32, F64当然,作为一门现代编程语言,Pony支持自动类型推导,但有时候它...

2020-04-01 11:21:08 1243

原创 Pony语言学习(六):Struct, Type Alias, Type Expressions

写在前面的:本节我们就要结束类型的学习了。就剩下三个方式了:Struct, Type Alias, Type Expressions。其中我们会涉及一些比较新的概念:C FFI(Foreign Function Interface):https://tutorial.ponylang.io/c-ffi.html、Union/Intersection Type。1.Structs:你不会...

2019-07-19 18:56:47 277

原创 Pony语言学习(一):环境配置(续)

写在前面的:很久没有更新了,今天把以前的博客更新修订了一下,感觉良好。今儿个在新系统布置Pony开发环境时,鼓捣了半天Docker for Windows,实在是心累。无意间敲开了通往新大陆的门,就算是给Pony的Windows Users/Funs一个彩蛋吧。诸君请赏

2019-07-19 12:34:44 511 3

原创 Pony语言学习(五) 基础类型之Traits和Interface

写在前面的:在Pony中,有两种方式扩展类、原类以及Actor: Trait(特性)和 Interface(接口)。编程语言中,扩展方式大体上就分为名义上(nominal)和结构上(structural)两种。看看官网是怎么从这方面介绍Pony的与众不同之处的:Like other object-oriented languages, Pony has subtyping. That i...

2019-07-19 11:07:52 369

原创 Pony语言学习 (四) 基础类型之Actor

写在前面的:Actor是Pony的并发模型,一个Actor就是一个线程,Pony将创建线程变得简单,但也使安全并发的语法变得复杂。Actor:用关键字actor声明一个Actor。一个Actor很像类,但一个Actor还可以有行为(Behavior)。行为用be关键字定义,它就像一个永远返回空值(None)的函数.例:actor Hello let _name: St...

2018-02-27 08:15:41 1117

原创 Pony语言学习(三):基础类型 之 Primitive

写在前面的:这次咱们要鼓捣鼓捣的是Primitive,直译是原始人,原始的事物,我意译一下就是原类。那么什么是原类呢?这意味着你无须创建一个对象(或者说只存在一个实例,对于用户定义的原类来说),你就可以调用它的方法(类似于静态类)。它就像一个盒子,你不必打个标签(创建对象),以彰显你对它的所有权。你直接就可以用里面的东西(方法)。来自官网的解释:A primitive is si...

2018-02-20 14:43:51 432

原创 Pony语言学习(二):基础类型 之 Class

写在前面的:这次咱们来唠唠Pony的基础类型,这里说的基础类型指的不是int, string, boolean, float什么内置数据类型,而是Pony中用来定义类型的几种方法,分别是:Class, Primitive, Actor, Trait, Interface, Struct, Type Alias, Type ExpressionsClass:class关键字用于声明一个类...

2018-02-18 07:32:00 685

ceylon-1.3.3.zip

Ceylon1.3.3. Ceylon语言,JVM上新晋之秀,定位企业级应用,主打集合论类型系统

2020-04-04

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除