flykhan
2536c937e3
翻译自英文原版 maths-cs-ai-compendium，共 20 章全部完成。 第01章 向量 | 第02章 矩阵 | 第03章 微积分 第04章 统计学 | 第05章 概率论 | 第06章 机器学习 第07章 计算语言学 | 第08章 计算机视觉 | 第09章 音频与语音 第10章 多模态学习 | 第11章 自主系统 | 第12章 图神经网络 第13章 计算与操作系统 | 第14章 数据结构与算法 第15章 生产级软件工程 | 第16章 SIMD与GPU编程 第17章 AI推理 | 第18章 ML系统设计 第19章 应用人工智能 | 第20章 前沿人工智能 翻译说明： - 所有数学公式 $...$ / $$...$$、代码块、图片引用完整保留 - mkdocs.yml 配置中文导航 + language: zh - README.md 已翻译为中文（兼 docs/index.md） - docs/ 目录包含指向各章文件的 symlink - 约 29,000 行中文内容，排除 .cache/ 构建缓存
12 lines
1.1 KiB
Markdown
12 lines
1.1 KiB
Markdown
# 量子机器学习 (Quantum Machine Learning)
|
|
|
|
- 量子计算基础：量子比特 (qubit)、叠加 (superposition)、纠缠 (entanglement)、测量 (measurement)
|
|
- 量子门：泡利门 (Pauli X, Y, Z)、哈达玛门 (Hadamard)、CNOT 门、托佛利门 (Toffoli)、旋转门 (rotation gates)
|
|
- 量子电路：电路模型 (circuit model)、参数化电路 (parameterised circuits)、深度与宽度 (depth and width)
|
|
- 变分量子算法：VQE、QAOA、变分分类器 (variational classifiers)
|
|
- 量子核方法：量子特征映射 (quantum feature maps)、量子支持向量机 (quantum support vector machines)
|
|
- 量子神经网络：作为神经层的参数化量子电路 (parameterised quantum circuits as neural layers)
|
|
- 贫瘠高原 (barren plateaus)：量子电路中的梯度消失 (vanishing gradients)、可表达性与可训练性 (expressibility vs trainability)
|
|
- 量子优势辩论：NISQ 时代局限性 (NISQ era limitations)、容错量子计算时间线 (fault-tolerant quantum computing timeline)
|
|
- 混合经典-量子架构：经典流水线中的量子层 (quantum layers in classical pipelines)
|