ترجمه فارسی مقاله شبکه های عصبی CTRQ و LQNets: شبکه های عصبی کوانتومی مایع و دوره ای پیوسته

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks
عنوان مقاله به فارسی شبکه های عصبی CTRQ و LQNets: شبکه های عصبی کوانتومی مایع و دوره ای پیوسته
نویسندگان Alejandro Mayorga, Alexander Yuan, Andrew Yuan, Tyler Wooldridge, Xiaodi Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 35
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Quantum Physics,Artificial Intelligence,Machine Learning,Neural and Evolutionary Computing,فیزیک کوانتومی , هوش مصنوعی , یادگیری ماشین , محاسبات عصبی و تکاملی ,
توضیحات Submitted 27 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Neural networks have continued to gain prevalence in the modern era for their ability to model complex data through pattern recognition and behavior remodeling. However, the static construction of traditional neural networks inhibits dynamic intelligence. This makes them inflexible to temporal changes in data and unfit to capture complex dependencies. With the advent of quantum technology, there has been significant progress in creating quantum algorithms. In recent years, researchers have developed quantum neural networks that leverage the capabilities of qubits to outperform classical networks. However, their current formulation exhibits a static construction limiting the system's dynamic intelligence. To address these weaknesses, we develop a Liquid Quantum Neural Network (LQNet) and a Continuous Time Recurrent Quantum Neural Network (CTRQNet). Both models demonstrate a significant improvement in accuracy compared to existing quantum neural networks (QNNs), achieving accuracy increases as high as 40\% on CIFAR 10 through binary classification. We propose LQNets and CTRQNets might shine a light on quantum machine learning's black box.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی به دلیل توانایی خود در مدل سازی داده های پیچیده از طریق تشخیص الگوی و بازسازی رفتار ، در دوره مدرن شیوع خود را به دست می آورند.با این حال ، ساخت استاتیک شبکه های عصبی سنتی باعث مهار هوش پویا می شود.این امر باعث می شود که آنها نسبت به تغییرات زمانی در داده ها انعطاف پذیر باشند و برای گرفتن وابستگی های پیچیده نامناسب باشند.با ظهور فناوری کوانتومی ، پیشرفت قابل توجهی در ایجاد الگوریتم های کوانتومی حاصل شده است.در سالهای اخیر ، محققان شبکه های عصبی کوانتومی را توسعه داده اند که از قابلیت های Qubits برای بهتر از شبکه های کلاسیک استفاده می کنند.با این حال ، فرمولاسیون فعلی آنها یک ساخت و ساز استاتیک را محدود می کند که هوش پویا سیستم را محدود می کند.برای پرداختن به این نقاط ضعف ، ما یک شبکه عصبی کوانتومی مایع (LQNET) و یک شبکه عصبی کوانتومی مکرر زمان مداوم (CTRQNET) ایجاد می کنیم.هر دو مدل بهبود قابل توجهی در دقت در مقایسه با شبکه های عصبی کوانتومی موجود (QNN) نشان می دهند ، دستیابی به دقت به میزان 40 \ ٪ در CIFAR 10 از طریق طبقه بندی باینری افزایش می یابد.ما پیشنهاد می کنیم LQNETS و CtrQnets ممکن است چراغی را در جعبه سیاه یادگیری ماشین کوانتومی بدرخشد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.