量子計算實戰

其他會員也一起購買

書名：量子計算實戰 出版社：碁峰 出版年月：201912 條碼：9789865023478 內容簡介 利用Python量子組合語言以及IBM的Q Experience編寫量子程式 在全新的量子計算領域發展演算法及程式。本書涵蓋幾個主題，例如量子電腦的物理特性：包括量子位元(qubit)、糾纏(entanglement)、邏輯閘電路，以及其與傳統電腦的區別。此外，《量子計算實戰》也利用IBM的Q Experience探討雲端的量子計算。討論的項目包括有：作曲家程式(composer)、量子分數、實驗、電路、模擬器、實際的量子裝置等等。讀者可以在雲端的實際量子裝置上面執行程式。 另外，本書也教你怎麼用QISKit(量子資訊軟體套件)、Python SDK、以及其他像QASM(量子組合語言)這類的API來寫量子程式。讀者將學會用這些語言編寫程式碼，並且以本地/雲端的模擬器或IBM的Q Experience提供的真實量子電腦來執行。最後，我們還會學到糾纏態、隨機數字產生、線性搜索、質因數分解及其他一些常見的量子演算法。並因而有機會探討糾纏貝爾狀態的內部機制、Grover線性搜索、Shor質因數分解，以及包含最佳化領域的其他一些演算法。 在學習過程中還會用魔方(Magic Square)來探討遊戲理論。魔方是類似量子傳心術的一個例子，身在其中的參與者互相分享糾纏態，並且可以被觀察出彼此之間有某種程度的通信機制存在。遊戲中Alice與Bob跟裁判員對賭，利用量子力學有辦法讓Alice跟Bob只贏不輸！ 讀完本書後，讀者將理解此新興技術相較於傳統電腦，是如何實現了大規模的平行度及巨大的計算效能改善。並將具備編寫量子計算程式之能力—量子電腦被預期將取代資料中心的傳統電腦。 讀者將學習 ‧使用最早出現的網頁控制台：Q Experience作曲家程式，來打造視覺化的程式/實驗，並傳送到模擬器或雲端的真實裝置執行 ‧利用Q Experience REST API遠端執行程式 ‧寫出比傳統版本更強大的量子版本演算法 ‧建立Node.js REST客戶端程式，用來認證、列出遠端裝置、查詢量子處理器資訊、列出或執行雲端上的程式/實驗 ‧打造量子數字產生器：即帶有量子意涵的典型硬幣拋擲 ‧發掘量子遙傳：此演算法展示如何將一個量子位元或量子資訊的確切狀態，藉由傳統通信及發送/接收者之間的量子糾纏，從某處傳至他處 ‧以帶有量子意味、典型的戰艦遊戲一窺單一個量子位元的運作 ‧解決偽幣問題：這是個古典的謎題，探討在總共8枚硬幣的槓桿秤中，如何只用兩個步驟找出偽幣 作者介紹 作者簡介 Vladimir Silva 從Middle TN州立大學取得電腦科學碩士學位。他在IBM作為研究工程師工作五年，在這段期間獲得廣泛的分散與網格計算方面的經驗。 他擁有許多IT證照，包括OCP、MCSD、MCP，也幫IBM developerWorks寫過許多技術文章。他之前的著作包括《Grid Computing for Developers》(Charles River Media)、《Practical Eclipse Rich Client Platform》(Apress)、《Pro Android Games》(Apress)、《Advanced Android 4 Games》(Apress)。 身為狂熱的馬拉松跑者、而且在北卡全州已完成了16場賽事(迄本書寫作之時)，在寫程式、寫作、或跑步之外的時間，他喜歡彈奏古典吉他以及思考像是量子力學這類很棒的事物。 目錄 Chapter 1 奇異又美妙的量子力學世界 Chapter 2 量子計算：細究真實背後的脈絡 Chapter 3 IBM Q Experience — 獨一無二的雲端量子計算平台 Chapter 4 QISKit — 用 Python 寫量子程式的絕佳 SDK Chapter 5 啟動引擎：從量子隨機數到遙傳，以及初探超密編碼 Chapter 6 玩轉量子遊戲 Chapter 7 利用量子力學的遊戲理論—你的贏面總比別人高 Chapter 8 更快速的搜尋，以及威脅非對稱密碼學基礎的 Grover 與 Shor 演算法

Deep Learning: 用Python進行深度學習的基礎理論實作

其他會員也一起購買

書名：DEEP LEARNING｜用PYTHON進行深度學習的基礎理論實作 出版社：歐萊禮 出版年月：201708 條碼：9789864764846 內容簡介 不走捷徑，幫助您真正搞懂「深度學習」的真義 這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？ 從零開始，由實做中學習 本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。 本書特色： ．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。 ．說明Python 的用法，讓Python 的初學者也能理解。 ．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。 ．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。 ．以淺顯易懂的方式說明深度學習與神經網路理論。 ．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。 ．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。 ．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。 ．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。 ．介紹自動運作、產生影像、強化學習等深度學習的應用範例。 作者介紹 作者簡介 斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。 目錄 第一章 Python入門 第二章 感知器 第三章 神經網路 第四章 神經網路的學習 第五章 誤差反向傳播法 第六章 與學習有關的技巧 第七章 卷積神經網路 第八章 深度學習 附錄A Softmax-with-Loss層的計算圖 參考文獻

Quantum Computing for Programmers 2022 <Cambridge>

其他會員也一起購買

Quantum Computing for Programmers ISBN13：9781009098175 出版社：Cambridge University Press 作者：Robert Hundt 裝訂／頁數：精裝／350頁 版次：1 出版日：2022/02/28

DEEP LEARNING FOR TARGETED TREATMENTS: TRANSFORMATION IN HEALTHCARE

類似書籍推薦給您

DESCRIPTION DEEP LEARNING FOR TREATMENTS The book provides the direction for future research in deep learning in terms of its role in targeted treatment, biological systems, site-specific drug delivery, risk assessment in therapy, etc. Deep Learning for Targeted Treatments describes the importance of the deep learning framework for patient care, disease imaging/detection, and health management. Since deep learning can and does play a major role in a patient’s healthcare management by controlling drug delivery to targeted tissues or organs, the main focus of the book is to leverage the various prospects of the DL framework for targeted therapy of various diseases. In terms of its industrial significance, this general-purpose automatic learning procedure is being widely implemented in pharmaceutical healthcare. Audience The book will be immensely interesting and useful to researchers and those working in the areas of clinical research, disease management, pharmaceuticals, R&D formulation, deep learning analytics, remote healthcare management, healthcare analytics, and deep learning in the healthcare industry.

DEEP LEARNING APPROACHES FOR SECURITY THREATS IN IOT ENVIRONMENTS 2022 <John Wiley>

類似書籍推薦給您

DESCRIPTION Deep Learning Approaches for Security Threats in IoT Environments An expert discussion of the application of deep learning methods in the IoT security environment In Deep Learning Approaches for Security Threats in IoT Environments, a team of distinguished cybersecurity educators deliver an insightful and robust exploration of how to approach and measure the security of Internet-of-Things (IoT) systems and networks. In this book, readers will examine critical concepts in artificial intelligence (AI) and IoT, and apply effective strategies to help secure and protect IoT networks. The authors discuss supervised, semi-supervised, and unsupervised deep learning techniques, as well as reinforcement and federated learning methods for privacy preservation. This book applies deep learning approaches to IoT networks and solves the security problems that professionals frequently encounter when working in the field of IoT, as well as providing ways in which smart devices can solve cybersecurity issues. Readers will also get access to a companion website with PowerPoint presentations, links to supporting videos, and additional resources. They’ll also find: A thorough introduction to artificial intelligence and the Internet of Things, including key concepts like deep learning, security, and privacy Comprehensive discussions of the architectures, protocols, and standards that form the foundation of deep learning for securing modern IoT systems and networks In-depth examinations of the architectural design of cloud, fog, and edge computing networks Fulsome presentations of the security requirements, threats, and countermeasures relevant to IoT networks Perfect for professionals working in the AI, cybersecurity, and IoT industries, Deep Learning Approaches for Security Threats in IoT Environments will also earn a place in the libraries of undergraduate and graduate students studying deep learning, cybersecurity, privacy preservation, and the security of IoT networks.