請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82098| 標題: | 量子生成對抗網路與量子閘門循環神經網路之應用 Applications of Quantum Generative Adversarial Networks and Quantum Gated Recurrent Neural Networks |
| 作者: | Tai-Yuan Tsao 曹泰元 |
| 指導教授: | 管希聖(Hsi-Sheng Goan) |
| 關鍵字: | 機器學習,量子計算,量子機器學習,生成對抗網路,循環神經網路,量子神經網路,變分量子電路, machine learning,quantum computing,quantum machine learning,generative adversarial neural network,recurrent neural network,quantum neural network,variational quantum circuit, |
| 出版年 : | 2021 |
| 學位: | 碩士 |
| 摘要: | 在近年來機器學習的熱潮下，產生了結合機器學習與量子計算的新學科，量子機器學習。研究顯示在機器學習與量子計算的結合之下，可以使量子神經網路相較於古典神經網路展現量子優勢。 本篇論文分為兩部分，在第一部分我使用了量子生成對抗網路來解決微分方程的問題，包含了一階微分方程、二階微分方程、耦合系統微分方程、以及狄利克雷邊界條件和混合邊界條件的偏微分方程。在第二部分我使用了量子閘門循環神經網路來處理時間序列預測的問題。相較於先前的研究，量子長短期記憶，我的模型使用了不到50%的參數就解決了相同的問題，包含了阻尼振子的震盪、第一類貝索函數，以及腔量子電動力學系統中居量反轉的問題，我的模型更簡便以及具有更快的訓練速度，並且達成了與量子長短期記憶相近的成果。 |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82098 |
| DOI: | 10.6342/NTU202104107 |
| 全文授權: | 同意授權(限校園內公開) |
| 電子全文公開日期: | 2023-09-01 |
| 顯示於系所單位： | 應用物理研究所 |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-2510202102572600.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 4.07 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。