پديد آورنده :
امين پور، سارا
عنوان :
رده بند داده در يك شبكه عصبي كوانتومي
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
هفده، 61ص.: مصور، جدول، نمودار
استاد راهنما :
وحيد سالاري
توصيفگر ها :
يادگيري ماشين , شبكه عصبي مصنوعي , يادگيري ماشين كوانتومي , رده بند تك كيوبيتي
استاد داور :
كيوان آقابابايي ساماني، فرهاد فضيله
تاريخ ورود اطلاعات :
1400/10/26
تاريخ ويرايش اطلاعات :
1400/10/27
چكيده فارسي :
يادگيري ماشين در دهه هاي اخير به يكي از مباحث پرطرفدار در صنعت داده تبديل شده و روز به روز در حال رشد است.از مهم ترين كاربردهاي يادگيري ماشين، مي توان به رده بندي اشاره كرد. در اين پايان نامه به موضوع يادگيري ماشين و رده بندي،تلفيق آن با مكانيك كوانتومي و توانايي رده بند تك كيوبيتي مي پردازيم. رده بند كوانتومي معرفي مي كنيم كه اطلاعات بر روي يككيوبيت بارگذاري مي شوند و در طول مدار كوانتومي، توسط عملگرهاي يكاني پردازش مي شوند. رده بند هاي چندكيوبيتي را باوجود درهم تنيدگي بررسي مي كنيم و نشان مي دهيم كه رده بند كوانتومي در مقايسه با برخي روش هاي يادگيري ماشين كلاسيكي،بهتر عمل مي كند.
چكيده انگليسي :
Machine learning has become one of the most popular topics in the data industry in recent decades and is growing day by day. One of the most important applications of machine learning is classification. In this dissertation, we discuss machine learning and classification, its integration with quantum mechanics, and the ability of single-qubit classifier. We Introduce Quantum classifier that data is loaded onto a qubit and processed by unitary operators throughout the quantum circuit. We examine multi-qubit classifiers with entanglement and we show that quantum classifier works better than some classical machine learning methods.
استاد راهنما :
وحيد سالاري
استاد داور :
كيوان آقابابايي ساماني، فرهاد فضيله
