کتاب یادگیری ماشین کوانتومی چگونه محاسبات کوانتومی به داده کاوی معنا می دهد نوشته پیتر ویتک با ترجمه شهین پوربهرامی, نسیم عبدالملکی, توسط انتشارات نیازدانش به چاپ رسیده است.
موضوع کتاب: فیزیک، ماشین کوانتومی، داده کاوی, مکانیک کوانتوم, تشخیص الگو و شبکه های عصبی میباشد.
یادگیری ماشین یک حوزه ی مطالعاتی شگفتانگیز است برای شناسایی رویدادهای غیرعادی از جمله داده های حسگر جریاندار، تشخیص موضوعات نو ظهور استخراج مجموعه متن و همچنین مشکلات هیجان انگیز که بیش از حد دور نیستند. نظریه اطلاعات کوانتومی نیز با هیجان همراه است. دستکاری ذرات در سطح زیراتمی، ما را قادر به انجام عمل انتقالات فوریه با سرعت نمایی میکند یا جستجو در یک پایگاه داده را به طور مرتب سریعتر از حد کلاسیک آن میکند. کدگذاری فوق‌العاده ی از انتقال دو بیت کلاسیک فقط با استفاده از یک کیوبیت صورت می‌پذیرد. رمزنگاری کوانتومی؛ در تئوری تقریباً غیرقابل شکست است. سؤال اساسی این کتاب ساده است: چه چیزی از محاسبات کوانتومی میتواند در یادگیری ماشین مشارکت کند؟ ما طبیعتاً انتظار سرعت گرفتن بالا از روشهای کوانتومی داریم، اما چه نوع از سرعت؟ درجه دوم؟ یا آیا سرعت بالا امکان‌پذیر است؟ هر فرم از کاهش پیچیدگی محاسباتی طبیعی است؟ آیا رابطه جایگزینی در مقابل کاهش پیچیدگی محاسباتی وجود دارد؟
معرفی مباحث کتاب یادگیری ماشین کوانتومی
- مفاهیم پایه
- معرفی
- یادگیری ماشین
- مکانیک کوانتوم
- محاسبات کوانتومی
- الگوریتم های یادگیری
- الگوریتم های بدون نظارت
- تشخیص الگو و شبکه های عصبی
- یادگیری نظارت شده و ماشین های بردار پشتیبان
- تحلیل رگرسیون
- بوستینگ
- محاسبات کوانتومی و یادگیری ماشین
- ساختار خوشه بندی و محاسبات کوانتومی
- شناسایی الگوی کوانتومی
- کلاس بندی کوانتومی
- رگرسیون و توموگرافی فرآیند کوانتومی
- بوستینگ و محاسبات کوانتومی آدیاباتیک
