|
Title
|
یادگیری ماشین کوانتومی نظارتی و نیمه نظارتی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
یادگیری ماشین، خوشه بندی، مکانیک کوانتومی، یادگیری نظارتی، یادگیری نیمه نظارتی
|
|
Abstract
|
استفاده از ظرفیت های مکانیک کوانتومی و پردازش کوانتومی می تواند در بهینه سازی الگوریتم های کلاسیکی یادگیری ماشین نقش مؤثری داشته باشد. در دهه های اخیر فیزیکدانان با خلق کامپیوتر های کوانتومی که بر مبنای کیوبیت کار می کنند اهمیت و کارایی الگوریتم ها و سیستم های مبتنی بر مکانیک کوانتومی را نشان داده اند. الگوریتم های پردازشی مبتنی مکانیک کوانتومی رهیافت های متفاوتی را در مبحث پردازش اطلاعات دنبال می کنند که این رهیافت ها در عین پیچیدگی از کارایی محاسباتی بهتری نسبت به الگوریتم های کلاسیکی برخوردار هستند. بر این مبنا زمینه تحقیقاتی یادگیری ماشین کوانتومی پتانسیل ایجاد انقلابی در روش های هوشمند پردازش اطلاعات را دارد.
|
|
Researchers
|
(Student)، Alireza Rastkar Ebrahim Zadeh (Primary Advisor)، Jafar Tanha (Primary Advisor)، Arash Phirouznia (Advisor)
|