没有合适的资源?快使用搜索试试~ 我知道了~
HC59_Final_Project:HC59的最终项目
共14个文件
ipynb:5个
png:4个
images:1个
需积分: 9 0 下载量 176 浏览量
2021-04-20
04:05:03
上传
评论
收藏 2.95MB ZIP 举报
温馨提示
HC59_Final_Project HC59的最终项目 在本github回购过程中,我将尝试扩展QISKIT教程在使用量子电路以及传统机器学习方法方面的应用。 在本教程中,在MNIST数据集上使用了量子经典混合卷积神经网络。 MNIST数据集是从0到9的28x28灰度手写数字的集合。 传统的卷积神经网络已被很好地应用于此数据集,并且结果极为准确。 下图显示了一个示例MNIST数字(出于视觉目的而进行了扩展)。 混合网络的演示旨在说明量子组件可以在传统网络中使用,并且仍然可以输出工作结果。 从本质上讲,我们想证明经典网络的输出在馈入量子网络后不会显着降低。 量子计算机是否可以在经典模型上获得优势尚待确定,但第一步是要说明量子与经典模型一样好或仅比经典模型差一点。 下面是来自Qiskit texbook的混合网络的描述。 经典和量子机器学习组件之间的最大区别是用于反向传播的梯度计算。
资源推荐
资源详情
资源评论
收起资源包目录
HC59_Final_Project-main.zip (14个子文件)
HC59_Final_Project-main
2quibitNetwork_second.ipynb 258KB
images
layers_qiskit.png 310KB
MNIST_figure.png 33KB
basic_circuit.jpg 19KB
hybridnetwork_qiskit.png 430KB
desc.txt 18B
quantumgradient.png 41KB
Qiskit_TextBook_Example.ipynb 123KB
MNIST.ipynb 49KB
Research_Paper_FInal_Project.pdf 2.18MB
Images 9B
README.md 3KB
Classical_Network.ipynb 65KB
Classical_Network 4.ipynb 164KB
共 14 条
- 1
资源评论
崔迪潇
- 粉丝: 34
- 资源: 4674
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功